Le cours de prévision macroéconomique et Intelligence Artificielle (IA) est une Unité d’Enseignement (UE) dispensée au 2ème semestre de Master en sciences économiques, dans le cadre de l’option de Master « Analyse économique et intelligence artificielle ». Cette UE vise à modéliser des phénomènes économiques complexes et à effectuer des prévisions macroéconomiques en utilisant les outils de l’IA, via le logiciel R, notamment. Après un rappel des méthodes de prévision macroéconomique classiques, via l’utilisation du logiciel GRETL, ce cours propose d’autres méthodes d’estimation appartenant au « Machine Learning », qui est un outil important de l’IA, telles que les régressions de type Ridge ou Lasso et les réseaux de neurones artificiels.

Temps présentiel : 35 heures

Charge de travail étudiant : 10 heures

Méthode(s) d'évaluation : Evaluation - Examen final

Référence :
Bourbonnais Régis, Econométrie 9ème édition, Dunod, 2015. Verne Jean-François (2022). “Forecast the inflation rate in Lebanon: The use of the artificial neural networks method”, Economics Bulletin, Vol. 42. Issue 4, pp. 1798-1810. http://www.accessecon.com/Pubs/EB/2024/Volume44/EB-24-V44-I1-P12.pdf Briesch, R. and Rajagopal, P. (2010). “Neural network applications in consumer behavior”, Journal of Consumer Psychology, July 2010, Vol. 20, No. 3 (July 2010), pp. 381-389. URL: https://www.jstor.org/stable/20778651 Gnana Sheela, K. and Deepa S.N., (2013), “Review on Methods to Fix Number of Hidden Neurons in Neural Networks”, Mathematical Problems in Engineering, Article ID 425740, 11 pages. URL http://dx.doi.org/10.1155/2013/425740 Shahriary, G. and Mir, Y. (2016). “Application of Artificial Neural Network Model in Predicting Price of Milk in Iran”, Modern Applied Science; Vol. 10, No. 4, pp. 173-178. http://dx.doi.org/10.5539/mas.v10n4p173