Unități

1. Inteligența artificială în econometrie și statistică: roluri, limite, autentificare și confidențialitate 2. Curățarea și pregătirea datelor: date lipsă, valori aberante și codare 3. Analiza și vizualizarea datelor exploratorii: reprezentare grafică și interpretare cu inteligență artificială 4. Regresia liniară: construirea modelelor, interpretarea coeficienților și ipoteze 5. Diagnostice de regresie și încălcări: coliniaritate, heteroscedasticitate, autocorelație 6. Testarea ipotezelor și valoarea p: semnificație, putere și comparații multiple 7. p-hacking, HARKing și integritate statistică: capcane în era inteligenței artificiale 8. Analiza serii temporale: staționaritate, ARIMA și prognoză 9. Analiza cauzei și a politicilor: DiD, IV, RDD și inteligență artificială 10. Generarea codului și reproductibilitatea: R/Python, versiunea și reproductibilitatea 11. Redactarea rapoartelor, comunicarea și etică: prezentarea rezultatelor și comunicarea limitelor

Unitate 10 / 11

Generarea codului și reproductibilitatea: R/Python, versiunea și reproductibilitatea

Câștiguri:

Abilitatea de a verifica prin citirea și testarea codului de analiză R/Python produs de inteligența artificială și de a stabili un proiect reproductibil cu seed, blocare versiuni și structură de foldere
Abilitatea de a utiliza controlul versiunilor (Git), programarea alfabetizată (R Markdown/Quarto/Jupyter) și managementul mediului cu suport de inteligență artificială, făcând analiza reproductibilă de la început până la sfârșit
Abilitatea de a efectua testarea unitară și verificarea corectă pentru a detecta erorile silențioase în codul AI (asociere greșită, scurgere, filtru ratat)

Fost Următorul