Supongo que esto depende de si quieres hacer trabajo aplicado o teoría.
Para la teoría, no creo que necesariamente necesite aprender ningún método de aprendizaje automático, sino leer algunos de los documentos estadísticos no económicos (por ejemplo, estadísticas computacionales no paramétricas bayesianas) y aspectos computacionales de la informática; por ejemplo, optimización (estocástica), estimación del modelo variable variable latente (también bayesiano). Hay una serie de economometristas que ya trabajan en modelos de árboles (no exhaustivos), bandidos e inferencia causal (efectos de tratamiento y similares, pero también considerados como su propio subcampo). ¡Sorprendentemente, hay muchos economometristas / estadísticos bayesianos en las escuelas de negocios! En general, los economometristas parecen ser más cuidadosos con los métodos de LD ya que la profesión generalmente exige una teoría asintótica adecuada y / o garantías de convergencia posterior (para los modelos bayesianos).
Para la aplicación, probablemente debería echar un vistazo más de cerca a la “literatura ML” tradicional, por ejemplo, clasificadores (más allá de logit), optimización (como arriba) y procesamiento del lenguaje natural. Sin embargo, esto va más hacia el científico de datos y la diferencia se vuelve bastante vaga aquí. Para el trabajo académico aplicado, probablemente no pueda usar (de manera creíble) la mayoría de estos, ya que su robustez o comportamiento asintótico no está probado (pero “funcionan”).
- ¿Cuántos datos digitales se pierden cada año?
- ¿Cuáles son las oportunidades para estudiantes de primer año en Hadoop?
- ¿Son ejemplos de aplicaciones web de computación en la nube?
- ¿Cuál será el código para contar a las personas que entraron o salieron de la sala en Mega 8?
- ¿Cómo podría construir una IA para reemplazar a los políticos?
Como respuesta breve : para la teoría, diría que sí, pero será principalmente estadístico. Para el trabajo aplicado que no lo convierte en un “científico de datos”, lo diría menos (los métodos aplicables se publicarán en las revistas de econometría).
Alguna literatura Econ ML (por economistas):
Aprendizaje automático: un enfoque econométrico aplicado: http://pubs.aeaweb.org/doi/10.12…
Teoría de juegos, predicción en línea e impulso: (en línea se refiere a datos secuenciales, no a Internet) http://portal.acm.org/citation.c…