Unità

1. Intelligenza artificiale in econometria e statistica: ruoli, confini, autenticazione e privacy 2. Pulizia e preparazione dei dati: dati mancanti, valori anomali e codifica 3. Analisi e visualizzazione esplorativa dei dati: grafica e interpretazione con l'intelligenza artificiale 4. Regressione lineare: costruzione di modelli, interpretazione dei coefficienti e ipotesi 5. Diagnostica e violazioni della regressione: collinearità, eteroschedasticità, autocorrelazione 6. Verifica di ipotesi e valore p: significatività, potenza e confronti multipli 7. p-hacking, HARKing e integrità statistica: insidie nell'era dell'intelligenza artificiale 8. Analisi delle serie temporali: stazionarietà, ARIMA e previsione 9. Analisi di causalità e politica: DiD, IV, RDD e Intelligenza Artificiale 10. Generazione e riproducibilità del codice: R/Python, Versioning e riproducibilità 11. Scrittura di report, comunicazione ed etica: presentare i risultati e comunicare i confini

Unità 10 / 11

Generazione e riproducibilità del codice: R/Python, Versioning e riproducibilità

Guadagni:

Capacità di verificare leggendo e testando il codice di analisi R/Python prodotto dall'intelligenza artificiale e stabilire un progetto riproducibile con seed, lock di versione e struttura di cartelle
Capacità di utilizzare il controllo della versione (Git), la programmazione letterata (R Markdown/Quarto/Jupyter) e la gestione dell'ambiente con il supporto dell'intelligenza artificiale, rendendo l'analisi riproducibile dall'inizio alla fine
Capacità di eseguire test unitari e controlli di integrità per individuare errori silenziosi nel codice AI (misjoin, leak, filtro mancato)

Ex Prossimo