講演要旨・プログラム・講師の紹介は、下のタブをご覧ください。
受講料・日程・割引の詳細と最新の情報は、情報機構のページでご確認ください。
主催・お申し込み・お支払いは株式会社情報機構です。当社（イーコンプライアンス）では、この講座の申込・決済・見積・ポイント付与は扱いません。
■講座のポイント
本セミナーは、生成AIを活用し、ベイズ統計学をやさしく体験的に学ぶ講座です。大量のデータを扱い、分析を繰り返す機会が増えるなか、p値だけによる判断や、逐次比較・多重比較に伴う誤判定が課題となっています。
本講座では、これらの課題を踏まえ、生成AIとの対話やPython・Excelによるシミュレーションを通じて、ベイズ的な考え方を学びます。事後分布・信用区間・ROPEなどを直感的に理解し、差の大きさと不確実性を考慮した判断、逐次比較・多重比較への対応、AI出力の検証を学びます。
■受講後、習得できること
・p値による有意性判定の意味と、解釈上の注意点を理解する
・逐次比較・多重比較の問題点と、その対応方法を理解する
・ベイズ推定と事後分布の基本的な仕組みを理解する
・生成AIを用いて、概念の理解・コード生成・結果の解釈を進める
・AI出力を検証し、再現可能な統計分析を行う手順を学ぶ
■本テーマに関連する法規・ガイドラインなど
・個人情報保護法（個人情報を含むデータの取り扱い）
・AI事業者ガイドライン（総務省・経済産業省）
・統計分析における研究倫理（再現性と透明性の確保）
■講演中のキーワード
・ベイズ統計
・p値
・逐次比較・多重比較
・HDI
・ROPE
出典：株式会社情報機構 講座案内より（情報機構の講座ページ）
本セミナーは、各章で次の流れを基本として進めます。
分析・検定の実演 → 概念説明 → 生成AIを用いたシミュレーション
この一連の流れを通じて、受講者様は、AIを学習パートナーとして統計手法を理解し、実践する方法を体験します。
また、講座の最後に、開発中の「AI実行型ベイズ検定プロトコル」を紹介します。これは、プロトコルとデータを生成AIに入力し、分析手法の選択から実行、結果の説明までを支援・自動化するための手順書です。分析条件の確認や結果の検証を含め、人が判断すべき点も説明します。
質疑応答は随時受け付け、各章の終わりにも時間を設けます。
1. イントロダクション
1.1 デモンストレーション
1.2 なぜベイズ統計を学ぶのか
1.3 生成AIの活用法（AIを学習パートナーにする）
1.4 プロンプト設計の基礎
2. p値の基礎
2.1 デモンストレーション
2.2 t値の意味
2.3 p値の意味
2.4 平均値の差の検定
3. 大量のデータと反復分析におけるp値の注意点
3.1 デモンストレーション
3.2 実務上は小さな差でも統計的に有意になる問題
3.3 逐次比較の問題
3.4 多重比較の問題
4. ベイズ推定の基礎
4.1 デモンストレーション
4.2 ベイズ推定の仕組み（事前分布・尤度・事後分布）
5. ベイズ統計による判断と比較への対応
5.1 デモンストレーション
5.2 HDIと、平均差が正である事後確率
5.3 効果量（Cohen’s d）とROPE
5.4 逐次ベイズ検定の考え方と注意点
5.5 多重比較へのベイズ的な対応と注意点
6. AI実行型ベイズ検定プロトコル
6.1 デモンストレーション
6.2 コンテキストエンジニアリング
6.3 プロトコルの基本フロー
7. まとめと質疑応答
出典：株式会社情報機構 講座案内より（情報機構の講座ページ）
名古屋大学 名誉教授 工学博士 古橋 武 氏
出典：株式会社情報機構 講座案内より（情報機構の講座ページ）
| 受講形式 | ライブ配信, 見逃し配信 |
|---|
ご覧になった商品から選んでいます。
