Ühikud
1. Tehisintellekt ökonomeetrias ja statistikas: rollid, piirid, autentimine ja privaatsus 2. Andmete puhastamine ja ettevalmistamine: puuduvad andmed, kõrvalekalded ja kodeerimine 3. Uurimuslik andmete analüüs ja visualiseerimine: graafiku tegemine ja tõlgendamine tehisintellektiga 4. Lineaarne regressioon: mudeli koostamine, koefitsientide tõlgendamine ja eeldused 5. Regressioonidiagnostika ja rikkumised: kollineaarsus, heteroskedastilisus, autokorrelatsioon 6. Hüpoteesi testimine ja p-väärtus: olulisus, võimsus ja mitmekordne võrdlus 7. p-häkkimine, HARKing ja statistiline terviklikkus: lõkse tehisintellekti ajastul 8. Aegridade analüüs: statsionaarsus, ARIMA ja prognoosimine 9. Põhjusliku seose ja poliitika analüüs: DiD, IV, RDD ja tehisintellekt 10. Koodi genereerimine ja reprodutseeritavus: R/Python, versioonimine ja reprodutseeritavus 11. Aruannete kirjutamine, suhtlemine ja eetika: tulemuste esitamine ja piiride teavitamine
Üksus 10 / 11

Koodi genereerimine ja reprodutseeritavus: R/Python, versioonimine ja reprodutseeritavus

Kasu:

  • Võimalus kontrollida tehisintellekti toodetud R/Pythoni analüüsikoodi lugemise ja testimise teel ning luua reprodutseeritav projekt seemne, versiooniluku ja kaustastruktuuriga
  • Võimalus kasutada versioonikontrolli (Git), kirjaoskamist programmeerimist (R Markdown/Quarto/Jupyter) ja tehisintellekti toega keskkonnahaldust, muutes analüüsi algusest lõpuni reprodutseeritavaks
  • Võimalus teostada üksuse testimist ja mõistuse kontrollimist, et tuvastada vaikivad vead AI-koodis (valeliitmine, leke, filtri puudumine)
Endine Edasi