Enheder

1. Kunstig intelligens i økonometri og statistik: roller, grænser, autentificering og privatliv 2. Datarensning og -forberedelse: Manglende data, outliers og kodning 3. Udforskende dataanalyse og visualisering: Graftegning og fortolkning med kunstig intelligens 4. Lineær regression: Modelbygning, koefficientfortolkning og antagelser 5. Regressionsdiagnostik og overtrædelser: Kollinearitet, Heteroskedasticitet, Autokorrelation 6. Hypotesetestning og p-værdi: Signifikans, Power og Multiple Comparisons 7. p-hacking, HARKing og statistisk integritet: faldgruber i en tidsalder af kunstig intelligens 8. Tidsserieanalyse: Stationaritet, ARIMA og prognoser 9. Årsags- og politikanalyse: DiD, IV, RDD og kunstig intelligens 10. Kodegenerering og reproducerbarhed: R/Python, versionering og reproducerbarhed 11. Rapportskrivning, kommunikation og etik: Præsentation af resultater og kommunikation af grænser

Enhed 10 / 11

Kodegenerering og reproducerbarhed: R/Python, versionering og reproducerbarhed

Gevinster:

Evne til at verificere ved at læse og teste R/Python-analysekoden produceret af kunstig intelligens og etablere et reproducerbart projekt med frø, versionslås og mappestruktur
Evne til at bruge versionskontrol (Git), læsefærdig programmering (R Markdown/Quarto/Jupyter) og miljøstyring med støtte til kunstig intelligens, hvilket gør analysen reproducerbar fra start til slut
Evne til at udføre enhedstest og sundhedskontrol for at fange tavse fejl i AI-kode (fejlforbindelse, lækage, mistet filter)

Tidligere Næste