Enheter

1. Kunstig intelligens i økonometrikk og statistikk: roller, grenser, autentisering og personvern 2. Datarensing og klargjøring: Manglende data, uteliggere og koding 3. Undersøkende dataanalyse og visualisering: grafer og tolkning med kunstig intelligens 4. Lineær regresjon: modellbygging, koeffisienttolkning og forutsetninger 5. Regresjonsdiagnostikk og brudd: Kollinearitet, Heteroskedastisitet, Autokorrelasjon 6. Hypotesetesting og p-verdi: betydning, kraft og flere sammenligninger 7. p-hacking, HARKing og statistisk integritet: fallgruver i en tidsalder av kunstig intelligens 8. Tidsserieanalyse: stasjonaritet, ARIMA og prognoser 9. Årsakssammenheng og policyanalyse: DiD, IV, RDD og kunstig intelligens 10. Kodegenerering og reproduserbarhet: R/Python, versjonering og reproduserbarhet 11. Rapportskriving, kommunikasjon og etikk: Presentere resultater og kommunisere grenser

Enhet 10 / 11

Kodegenerering og reproduserbarhet: R/Python, versjonering og reproduserbarhet

Gevinster:

Evne til å verifisere ved å lese og teste R/Python-analysekoden produsert av kunstig intelligens og etablere et reproduserbart prosjekt med frø, versjonslås og mappestruktur
Evne til å bruke versjonskontroll (Git), litterær programmering (R Markdown/Quarto/Jupyter) og miljøstyring med støtte for kunstig intelligens, noe som gjør analysen reproduserbar fra start til slutt
Evne til å utføre enhetstesting og tilregnelighetskontroll for å fange stille feil i AI-kode (feilkobling, lekkasje, tapt filter)

Tidligere Neste