युनिट्स
1. अर्थमिती आणि सांख्यिकीमधील कृत्रिम बुद्धिमत्ता: भूमिका, सीमा, प्रमाणीकरण आणि गोपनीयता 2. डेटा क्लीनिंग आणि तयारी: गहाळ डेटा, आउटलियर्स आणि कोडिंग 3. एक्सप्लोरेटरी डेटा ॲनालिसिस आणि व्हिज्युअलायझेशन: आर्टिफिशियल इंटेलिजन्ससह आलेख आणि व्याख्या 4. रेखीय प्रतिगमन: मॉडेल बिल्डिंग, गुणांक व्याख्या आणि अनुमान 5. रीग्रेशन डायग्नोस्टिक्स आणि उल्लंघने: समरूपता, विषमता, ऑटोकॉरिलेशन 6. गृहीतक चाचणी आणि p-मूल्य: महत्त्व, शक्ती आणि एकाधिक तुलना 7. पी-हॅकिंग, हार्किंग आणि सांख्यिकीय अखंडता: कृत्रिम बुद्धिमत्तेच्या युगातील नुकसान 8. वेळ मालिका विश्लेषण: स्थिरता, ARIMA आणि अंदाज 9. कारण आणि धोरण विश्लेषण: DiD, IV, RDD आणि कृत्रिम बुद्धिमत्ता 10. कोड निर्मिती आणि पुनरुत्पादकता: आर/पायथन, आवृत्ती आणि पुनरुत्पादनक्षमता 11. अहवाल लेखन, संप्रेषण आणि नैतिकता: सादरीकरण परिणाम आणि संप्रेषण सीमा
युनिट 9 / 11

कारण आणि धोरण विश्लेषण: DiD, IV, RDD आणि कृत्रिम बुद्धिमत्ता

नफा:

  • सहसंबंध आणि कार्यकारणभाव यांच्यातील फरक समजून घेणे आणि आर्टिफिशियल इंटेलिजन्सच्या सहाय्याने डिफरन्स-इन-डिफरन्स (DiD), इंस्ट्रुमेंटल व्हेरिएबल (IV), रीग्रेशन डिसकॉन्ट्युटी (RDD) यासारख्या डिझाइनचे तर्कशास्त्र समजून घेणे
  • प्रत्येक डिझाईन ज्यावर आधारित आहे (समांतर ट्रेंड, अपवर्जन मर्यादा, खंडीत सातत्य) आणि चाचणी/संरक्षण कोड तयार करण्यात AI ची भूमिका पाहण्यास सक्षम असणे
  • कृत्रिम बुद्धिमत्तेची व्याख्या ओळखणे आणि ओळखणे या धोरणाचे गंभीरपणे मूल्यांकन करण्याची क्षमता जे निरीक्षण डेटामधून अत्यधिक कारणात्मक दावे तयार करतात.
मागील पुढे