Einheiten

1. Künstliche Intelligenz in Ökonometrie und Statistik: Rollen, Grenzen, Authentifizierung und Datenschutz 2. Datenbereinigung und -vorbereitung: Fehlende Daten, Ausreißer und Codierung 3. Explorative Datenanalyse und Visualisierung: Grafische Darstellung und Interpretation mit künstlicher Intelligenz 4. Lineare Regression: Modellbildung, Koeffizienteninterpretation und Annahmen 5. Regressionsdiagnostik und Verstöße: Kollinearität, Heteroskedastizität, Autokorrelation 6. Hypothesentests und p-Wert: Signifikanz, Aussagekraft und Mehrfachvergleiche 7. P-Hacking, HARKing und statistische Integrität: Fallstricke im Zeitalter der künstlichen Intelligenz 8. Zeitreihenanalyse: Stationarität, ARIMA und Prognose 9. Ursachen- und Politikanalyse: DiD, IV, RDD und künstliche Intelligenz 10. Codegenerierung und Reproduzierbarkeit: R/Python, Versionierung und Reproduzierbarkeit 11. Berichtserstellung, Kommunikation und Ethik: Ergebnisse präsentieren und Grenzen kommunizieren

Einheit 10 / 11

Codegenerierung und Reproduzierbarkeit: R/Python, Versionierung und Reproduzierbarkeit

Gewinne:

Fähigkeit zur Überprüfung durch Lesen und Testen des durch künstliche Intelligenz erstellten R/Python-Analysecodes und zur Erstellung eines reproduzierbaren Projekts mit Seed, Versionssperre und Ordnerstruktur
Fähigkeit zur Verwendung von Versionskontrolle (Git), kompetenter Programmierung (R Markdown/Quarto/Jupyter) und Umgebungsmanagement mit Unterstützung für künstliche Intelligenz, wodurch die Analyse von Anfang bis Ende reproduzierbar ist
Möglichkeit zur Durchführung von Unit-Tests und Plausibilitätsprüfungen, um stille Fehler im KI-Code zu erkennen (falsche Verknüpfung, Leck, fehlender Filter)

Zurück Weiter