Yksiköt

1. Tekoäly ekonometriassa ja tilastoissa: roolit, rajat, todennus ja yksityisyys 2. Tietojen puhdistaminen ja valmistelu: Puuttuvat tiedot, poikkeamat ja koodaus 3. Tutkiva tiedon analysointi ja visualisointi: graafinen piirtäminen ja tulkinta tekoälyn avulla 4. Lineaarinen regressio: mallin rakentaminen, kertoimien tulkinta ja oletukset 5. Regressiodiagnostiikka ja rikkomukset: Kollineaarisuus, Heteroskedastisuus, Autokorrelaatio 6. Hypoteesin testaus ja p-arvo: merkitys, teho ja useat vertailut 7. p-hakkerointi, HARKing ja tilastollinen eheys: sudenkuopat tekoälyn aikakaudella 8. Aikasarja-analyysi: Stationaarisuus, ARIMA ja ennustaminen 9. Syy- ja politiikan analyysi: DiD, IV, RDD ja tekoäly 10. Koodin luominen ja toistettavuus: R/Python, versiointi ja toistettavuus 11. Raporttien kirjoittaminen, viestintä ja etiikka: tulosten esittäminen ja rajojen ilmoittaminen

Yksikkö 10 / 11

Koodin luominen ja toistettavuus: R/Python, versiointi ja toistettavuus

Voitot:

Kyky todentaa lukemalla ja testaamalla tekoälyn tuottama R/Python-analyysikoodi ja luoda toistettava projekti siemen-, versiolukituksen ja kansiorakenteen kanssa
Kyky käyttää versionhallintaa (Git), lukutaitoa ohjelmointia (R Markdown/Quarto/Jupyter) ja ympäristönhallintaa tekoälyn tuella, mikä tekee analyysistä toistettavan alusta loppuun
Kyky suorittaa yksikkötestausta ja mielenterveystarkistusta AI-koodin hiljaisten virheiden havaitsemiseksi (join, vuoto, suodattimen puuttuminen)

Entinen Seuraavaksi