Unidades

1. Inteligencia artificial en econometría y estadística: roles, límites, autenticación y privacidad 2. Limpieza y preparación de datos: datos faltantes, valores atípicos y codificación 3. Análisis y visualización de datos exploratorios: gráficos e interpretación con inteligencia artificial 4. Regresión lineal: construcción de modelos, interpretación de coeficientes y supuestos 5. Diagnóstico de regresión y violaciones: colinealidad, heteroscedasticidad, autocorrelación 6. Prueba de hipótesis y valor p: significancia, potencia y comparaciones múltiples 7. p-hacking, HARKing e integridad estadística: obstáculos en la era de la inteligencia artificial 8. Análisis de series temporales: estacionariedad, ARIMA y previsión 9. Análisis de causalidad y políticas: DiD, IV, RDD e inteligencia artificial 10. Generación de código y reproducibilidad: R/Python, control de versiones y reproducibilidad 11. Redacción de informes, comunicación y ética: presentación de resultados y comunicación de límites

Unidad 10 / 11

Generación de código y reproducibilidad: R/Python, control de versiones y reproducibilidad

Ganancias:

Capacidad de verificar leyendo y probando el código de análisis R/Python producido por inteligencia artificial y establecer un proyecto reproducible con semilla, bloqueo de versión y estructura de carpetas.
Capacidad para utilizar control de versiones (Git), programación alfabetizada (R Markdown/Quarto/Jupyter) y gestión del entorno con soporte de inteligencia artificial, haciendo que el análisis sea reproducible de principio a fin.
Capacidad para realizar pruebas unitarias y comprobaciones de cordura para detectar errores silenciosos en el código de IA (uniones erróneas, fugas, filtros perdidos)

Anterior Próximo