Uniwersytet Warszawski - Centralny System Uwierzytelniania
Strona główna

Algorytmiczna Ekonomia

Informacje ogólne

Kod przedmiotu: 1000-2M23ALE
Kod Erasmus / ISCED: (brak danych) / (brak danych)
Nazwa przedmiotu: Algorytmiczna Ekonomia
Jednostka: Wydział Matematyki, Informatyki i Mechaniki
Grupy: Przedmioty obieralne dla informatyki
Przedmioty obieralne fakultatywne dla informatyki (IIIr. licencjatu, nowy program)
Punkty ECTS i inne: 6.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.

zobacz reguły punktacji
Język prowadzenia: (brak danych)
Skrócony opis:

Wykład dotyczy zagadnień z pogranicza informatyki, sztucznej inteligencji i ekonomii. Omawiane będą najważniejsze zagadnienia z teorii gier (kooperacyjnych i niekooperacyjnych), teorii wyboru społecznego, teorii mechanizmów i analizy sieci społecznych. Wykład będzie się koncentrował na algorytmach i rozwiązaniach o dużym praktycznym znaczeniu.

Pełny opis:

Wykład dotyczy zagadnień z pogranicza informatyki, sztucznej inteligencji i ekonomii.

Rozważamy systemy z wieloma niezależnymi uczestnikami, którzy potencjalnie mają różne cele. Mogą ze sobą współpracować, ale może też między nimi występować konflikt interesów. Omówimy metody analizy takich systemów i projektowania dla nich algorytmów. Algorytmy te poza własnościami stricte informatycznymi (np. niska złożoność obliczeniowa) muszą posiadać inne cechy takie jak sprawiedliwość względem uczestników systemu, stabilność (uczestnikom nie opłaca si opuszczać systemu) czy odporność na strategie (uczestnikom nie opłaca się grać przeciwko systemowi).

Przykłady konkretnych modeli i zagadnień omawianych na wykładzie to:

1. Analiza sieci społecznych (miary centralności, PageRank).

2. Algorytmy dla rynków barterowych (na przykładzie rynku wymiany nerek w Stanach Zjednoczonych).

3. Mechanizmy przeprowadzania aukcji (stosowane m.in. w internetowym marketingu).

4. Algorytmy do znajdowania sprawiedliwego podziału dóbr, algorytmy stabilnego dopasowania oraz sprawiedliwe algorytmy wyborcze.

5. Algorytmy do znajdowania równowagi na podstawie koncepcji z teorii gier (m.in. zastosowanie w systemach bezpieczeństwa i obronności).

6. Koncepcje rozwiązań w grach koalicyjnych (używane m.in. w bibliotece SHAP interpretującej wyniki algorytmów uczenia maszynowego).

Omawiane będą najważniejsze zagadnienia z teorii gier (kooperacyjnych i niekooperacyjnych), teorii wyboru społecznego, teorii mechanizmów i analizy sieci społecznych. Wykład będzie się koncentrował na algorytmach i rozwiązaniach o dużym praktycznym znaczeniu.

Literatura:

Algorithmic game theory, N. Nisan, T. Roughgarden, É. Tardos, V. Vazirani

Handbook of computational social choice, Felix Brandt, Vincent Conitzer, Ulle Endriss, Jérôme Lang, Ariel D. Procaccia

Multiagent systems: algorithmic, game-theoretic, and Logical Foundations, Yoav Shoham, Kevin Leyton-Brown

Network Analysis: Methodological Foundations, Urlik Brandes, Thomas Erlebach

Efekty uczenia się:

Wiedza:

1. Ma podstawową wiedzę na temat główny obszarów badawczych na styku sztucznej inteligencji i ekonomii: teorii gier,

teorii mechanizmów, wyboru społecznego, sieci społecznościowych.

Kompetencje:

1. Zna ograniczenia własnej wiedzy i rozumie potrzebę dalszego kształcenia, w tym zdobywania wiedzy pozadziedzinowej (K_K01).

2. Potrafi precyzyjnie formułować pytania, służące pogłębieniu własnego zrozumienia danego tematu (w szczególności w kontaktach z nieinformatykiem) lub odnalezieniu brakujących elementów rozumowania (K_K02).

3. Potrafi formułować opinie na temat podstawowych zagadnień informatycznych (K_K06).

4. Rozumie potrzebę systematycznego zapoznawania się z czasopismami naukowymi i popularnonaukowymi w celu poszerzania i pogłębiania wiedzy (K_K08).

Metody i kryteria oceniania:

1. Będzie 6 prac domowych i aby zaliczyć przedmiot trzeba uzyskać co najmniej połowę punktów z prac domowych.

2. Egzamin pisemny: aby zaliczyć należy uzyskać co najmniej połowę punktów z egzaminu.

3. Ocena końcowa to średnia z ocen z prac domowych i z egzaminu.

Zajęcia w cyklu "Semestr letni 2023/24" (w trakcie)

Okres: 2024-02-19 - 2024-06-16
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Ćwiczenia, 30 godzin więcej informacji
Wykład, 30 godzin więcej informacji
Koordynatorzy: Marcin Dziubiński, Oskar Skibski, Piotr Skowron
Prowadzący grup: Marcin Dziubiński, Stanisław Kaźmierowski, Oskar Skibski, Piotr Skowron
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie na ocenę
Wykład - Zaliczenie na ocenę

Zajęcia w cyklu "Semestr letni 2024/25" (jeszcze nie rozpoczęty)

Okres: 2025-02-17 - 2025-06-08
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Ćwiczenia, 30 godzin więcej informacji
Wykład, 30 godzin więcej informacji
Koordynatorzy: Marcin Dziubiński, Oskar Skibski, Piotr Skowron
Prowadzący grup: Marcin Dziubiński, Oskar Skibski, Piotr Skowron
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie na ocenę
Wykład - Zaliczenie na ocenę
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski.
ul. Banacha 2
02-097 Warszawa
tel: +48 22 55 44 214 https://www.mimuw.edu.pl/
kontakt deklaracja dostępności mapa serwisu USOSweb 7.0.4.0-7ba4b2847 (2024-06-12)