Üniteler

1. Ekonometri ve İstatistikte Yapay Zeka: Roller, Sınırlar, Doğrulama ve Gizlilik 2. Veri Temizleme ve Hazırlama: Eksik Veri, Aykırı Değer ve Kodlama 3. Keşifçi Veri Analizi ve Görselleştirme: Yapay Zeka ile Grafik ve Yorum 4. Doğrusal Regresyon: Model Kurma, Katsayı Yorumu ve Varsayımlar 5. Regresyon Teşhisi ve İhlaller: Bağlantı, Değişen Varyans, Otokorelasyon 6. Hipotez Testi ve p-değeri: Anlamlılık, Güç ve Çoklu Karşılaştırma 7. p-hacking, HARKing ve İstatistiksel Dürüstlük: Yapay Zeka Çağında Tuzaklar 8. Zaman Serisi Analizi: Durağanlık, ARIMA ve Tahmin 9. Nedensellik ve Politika Analizi: DiD, IV, RDD ve Yapay Zeka 10. Kod Üretimi ve Yeniden Üretilebilirlik: R/Python, Sürüm ve Reproducibility 11. Rapor Yazımı, İletişim ve Etik: Sonuçların Sunumu ve Sınırların Bildirilmesi

Ünite 10 / 11

Kod Üretimi ve Yeniden Üretilebilirlik: R/Python, Sürüm ve Reproducibility

Kazanimlar:

Yapay zekanın ürettiği R/Python analiz kodunu okuyup test ederek doğrulayabilme ve tohum (seed), sürüm kilidi, klasör yapısı ile yeniden üretilebilir bir proje kurabilme
Sürüm kontrolü (Git), okuryazar programlama (R Markdown/Quarto/Jupyter) ve ortam yönetimini yapay zeka desteğiyle kullanıp analizi baştan sona tekrar üretilebilir kılabilme
Yapay zeka kodundaki sessiz hataları (yanlış birleştirme, sızıntı, gözden kaçan filtre) yakalamak için birim testi ve akıl sağlığı kontrolü uygulayabilme

Önceki Sonraki