Jednostki

1. Sztuczna inteligencja w ekonometrii i statystyce: role, granice, uwierzytelnianie i prywatność 2. Czyszczenie i przygotowanie danych: brakujące dane, wartości odstające i kodowanie 3. Eksploracyjna analiza i wizualizacja danych: wykresy i interpretacja za pomocą sztucznej inteligencji 4. Regresja liniowa: budowanie modelu, interpretacja współczynników i założenia 5. Diagnostyka regresji i naruszenia: kolinearność, heteroskedastyczność, autokorelacja 6. Testowanie hipotez i wartość p: znaczenie, moc i wielokrotne porównania 7. p-hacking, HARKing i rzetelność statystyczna: pułapki w dobie sztucznej inteligencji 8. Analiza szeregów czasowych: stacjonarność, ARIMA i prognozowanie 9. Analiza przyczynowo-polityczna: DiD, IV, RDD i sztuczna inteligencja 10. Generowanie kodu i odtwarzalność: R/Python, wersjonowanie i odtwarzalność 11. Pisanie raportów, komunikacja i etyka: przedstawianie wyników i komunikowanie granic

Jednostka 10 / 11

Generowanie kodu i odtwarzalność: R/Python, wersjonowanie i odtwarzalność

Zyski:

Możliwość weryfikacji poprzez odczyt i testowanie kodu analitycznego R/Python wytworzonego przez sztuczną inteligencję i ustalenia powtarzalnego projektu z materiałem siewnym, blokadą wersji i strukturą folderów
Umiejętność korzystania z kontroli wersji (Git), umiejętności programowania (R Markdown/Quarto/Jupyter) i zarządzania środowiskiem ze wsparciem sztucznej inteligencji, dzięki czemu analizy są powtarzalne od początku do końca
Możliwość przeprowadzania testów jednostkowych i sprawdzania poprawności w celu wykrycia cichych błędów w kodzie AI (błędne połączenie, wyciek, pominięty filtr)

Dawny Następny