единици
1. Изкуствен интелект в иконометрията и статистиката: роли, граници, автентификация и поверителност 2. Почистване и подготовка на данни: липсващи данни, отклонения и кодиране 3. Проучвателен анализ на данни и визуализация: Графика и интерпретация с изкуствен интелект 4. Линейна регресия: Изграждане на модел, тълкуване на коефициенти и предположения 5. Регресионна диагностика и нарушения: колинеарност, хетероскедастичност, автокорелация 6. Тестване на хипотеза и p-стойност: значимост, сила и множество сравнения 7. p-hacking, HARKing и статистическа цялост: Клопки в епохата на изкуствения интелект 8. Анализ на времеви редове: стационарност, ARIMA и прогнозиране 9. Причинно-следствена връзка и анализ на политиката: DiD, IV, RDD и изкуствен интелект 10. Генериране на код и възпроизводимост: R/Python, създаване на версии и възпроизводимост 11. Писане на доклади, комуникация и етика: Представяне на резултати и съобщаване на граници
единица 10 / 11

Генериране на код и възпроизводимост: R/Python, създаване на версии и възпроизводимост

Печалби:

  • Възможност за проверка чрез четене и тестване на кода за анализ на R/Python, произведен от изкуствен интелект, и създаване на възпроизводим проект със семена, заключване на версия и структура на папки
  • Възможност за използване на контрол на версиите (Git), грамотно програмиране (R Markdown/Quarto/Jupyter) и управление на околната среда с поддръжка на изкуствен интелект, което прави анализа възпроизводим от началото до края
  • Възможност за извършване на тестване на единици и проверка на здравината за улавяне на тихи грешки в AI код (неправилно свързване, изтичане, пропуснат филтър)
бивш Следваща