Ekonomia algorytmiczna 1000-2M23ALE
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.
Koordynatorzy przedmiotu
Efekty kształcenia
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).
Kryteria oceniania
Kurs będzie podzielony na trzy niezależne moduły. Pierwszy moduł będzie składał się z 5 wykładów, a dwa kolejne z 4 wykładów. Po każdym module będzie egzamin.
Aby zaliczyć przedmiot trzeba zaliczyć wszystkie trzy moduły. Ocena z 2. i 3. modułu będzie zależała tylko od wyniku egzaminu. W 1. module będzie także zadanie domowe, a ocena będzie zależała w 50% od zadania domowego i w 50% od wyniku egzaminu. Finalna ocena z przedmiotu będzie *medianą* ocen z wszystkich trzech modułów.
Na egzaminie poprawkowym będzie można pisać egzaminy tylko z niektórych modułów, a oceny z pozostałych modułów zostaną przepisane z pierwszego terminu. Ocena z egzaminu poprawkowego z 1. modułu nie będzie uwzględniała zadania domowego. Finalna ocena w 2. terminie będzie medianą ocen za moduły.
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
Więcej informacji
Więcej informacji o poziomie przedmiotu, roku studiów (i/lub semestrze) w którym się odbywa, o rodzaju i liczbie godzin zajęć - szukaj w planach studiów odpowiednich programów. Ten przedmiot jest związany z programami:
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: