Jedinice

1. Umjetna inteligencija u ekonometriji i statistici: uloge, granice, autentifikacija i privatnost 2. Čišćenje i priprema podataka: podaci koji nedostaju, nedostaci i kodiranje 3. Istraživačka analiza i vizualizacija podataka: grafički prikaz i interpretacija s umjetnom inteligencijom 4. Linearna regresija: izgradnja modela, interpretacija koeficijenata i pretpostavke 5. Dijagnostika regresije i kršenja: kolinearnost, heteroskedastičnost, autokorelacija 6. Testiranje hipoteza i p-vrijednost: značajnost, snaga i višestruka poređenja 7. p-hacking, HARKing i statistički integritet: Zamke u doba umjetne inteligencije 8. Analiza vremenskih serija: stacionarnost, ARIMA i predviđanje 9. Uzročna veza i analiza politike: DiD, IV, RDD i umjetna inteligencija 10. Generacija koda i reproduktivnost: R/Python, verzija i reproduktivnost 11. Pisanje izvještaja, komunikacija i etika: predstavljanje rezultata i komuniciranje granica

Jedinica 10 / 11

Generacija koda i reproduktivnost: R/Python, verzija i reproduktivnost

Dobici:

Sposobnost verifikacije čitanjem i testiranjem koda za analizu R/Python-a proizvedenog od strane umjetne inteligencije i uspostavljanje reproducibilnog projekta sa seedom, zaključavanjem verzije i strukturom mapa
Mogućnost korištenja kontrole verzija (Git), pismenog programiranja (R Markdown/Quarto/Jupyter) i upravljanja okruženjem uz podršku umjetne inteligencije, čineći analizu ponovljivom od početka do kraja
Sposobnost izvođenja testiranja jedinica i provjere ispravnosti kako bi se uhvatile tihe greške u AI kodu (pogrešno spajanje, curenje, propušteni filter)

Bivši Sledeći