Machine-learning Techniques in Economics / SpringerBriefs in Economics (PDF)
New Tools for Predicting Economic Growth
(Sprache: Englisch)
This book develops a machine-learning framework for predicting economic growth. It can also be considered as a primer for using machine learning (also known as data mining or data analytics) to answer economic questions. While machine learning itself is not...
sofort als Download lieferbar
eBook (pdf)
Fr. 77.00
inkl. MwSt.
- Kreditkarte, Paypal, Rechnung
- Kostenloser tolino webreader
Produktdetails
Produktinformationen zu „Machine-learning Techniques in Economics / SpringerBriefs in Economics (PDF)“
This book develops a machine-learning framework for predicting economic growth. It can also be considered as a primer for using machine learning (also known as data mining or data analytics) to answer economic questions. While machine learning itself is not a new idea, advances in computing technology combined with a dawning realization of its applicability to economic questions makes it a new tool for economists.
Bibliographische Angaben
- Autoren: Atin Basuchoudhary , James T. Bang , Tinni Sen
- 2017, 1st ed. 2017, 94 Seiten, Englisch
- Verlag: Springer-Verlag GmbH
- ISBN-10: 3319690140
- ISBN-13: 9783319690148
- Erscheinungsdatum: 28.12.2017
Abhängig von Bildschirmgrösse und eingestellter Schriftgrösse kann die Seitenzahl auf Ihrem Lesegerät variieren.
eBook Informationen
- Dateiformat: PDF
- Grösse: 2 MB
- Ohne Kopierschutz
- Vorlesefunktion
Sprache:
Englisch
Kommentar zu "Machine-learning Techniques in Economics / SpringerBriefs in Economics"
0 Gebrauchte Artikel zu „Machine-learning Techniques in Economics / SpringerBriefs in Economics“
| Zustand | Preis | Porto | Zahlung | Verkäufer | Rating |
|---|
Schreiben Sie einen Kommentar zu "Machine-learning Techniques in Economics / SpringerBriefs in Economics".
Kommentar verfassen