หน่วย
1. ปัญญาประดิษฐ์ทางเศรษฐมิติและสถิติ: บทบาท ขอบเขต การรับรองความถูกต้อง และความเป็นส่วนตัว 2. การทำความสะอาดและการเตรียมข้อมูล: ข้อมูลสูญหาย ค่าผิดปกติ และการเข้ารหัส 3. การวิเคราะห์ข้อมูลเชิงสำรวจและการแสดงภาพ: การสร้างกราฟและการตีความด้วยปัญญาประดิษฐ์ 4. การถดถอยเชิงเส้น: การสร้างแบบจำลอง การตีความค่าสัมประสิทธิ์และการสันนิษฐาน 5. การวินิจฉัยการถดถอยและการละเมิด: Collinearity, Heteroscedasticity, Autocorrelation 6. การทดสอบสมมติฐานและค่า p: นัยสำคัญ กำลัง และการเปรียบเทียบพหุคูณ 7. p-hacking, HARKing และความสมบูรณ์ทางสถิติ: ข้อผิดพลาดในยุคของปัญญาประดิษฐ์ 8. การวิเคราะห์อนุกรมเวลา: ความคงที่, ARIMA และการพยากรณ์ 9. การวิเคราะห์สาเหตุและนโยบาย: DiD, IV, RDD และปัญญาประดิษฐ์ 10. การสร้างโค้ดและการทำซ้ำ: R/Python, การกำหนดเวอร์ชันและการทำซ้ำ 11. การเขียนรายงาน การสื่อสาร และจริยธรรม: การนำเสนอผลลัพธ์และขอบเขตการสื่อสาร
หน่วย 10 / 11

การสร้างโค้ดและการทำซ้ำ: R/Python, การกำหนดเวอร์ชันและการทำซ้ำ

กำไร:

  • ความสามารถในการตรวจสอบโดยการอ่านและทดสอบโค้ดการวิเคราะห์ R/Python ที่ผลิตโดยปัญญาประดิษฐ์ และสร้างโปรเจ็กต์ที่ทำซ้ำได้ด้วย Seed, Version Lock และโครงสร้างโฟลเดอร์
  • ความสามารถในการใช้การควบคุมเวอร์ชัน (Git), การเขียนโปรแกรมตามความรู้ (R Markdown/Quarto/Jupyter) และการจัดการสภาพแวดล้อมด้วยการสนับสนุนปัญญาประดิษฐ์ ทำให้การวิเคราะห์สามารถทำซ้ำได้ตั้งแต่ต้นจนจบ
  • ความสามารถในการดำเนินการทดสอบหน่วยและการตรวจสอบความถูกต้องเพื่อตรวจจับข้อผิดพลาดแบบเงียบๆ ในโค้ด AI (เข้าร่วมผิด รั่วไหล พลาดตัวกรอง)