| 開催日 | 2027年1月28日(木) |
|---|---|
| 開催地 | Web |
☆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’を体系的にやさしく解説いたします！
☆講座の終盤では、AI実行型ベイズ検定プロトコル(開発中)もご紹介！
☆人が判断すべき観点も含めて、実務の効率化・高付加価値化を目指していきます！
【テーマ名】
生成AIを活用したベイズ統計学入門セミナー2027
～実演・概念説明・シミュレーションの反復による直感的な理解～
【講師】
名古屋大学
名誉教授 工学博士
古橋 武 氏
【主経歴】
2004年度 名古屋大学 大学院・工学研究科 教授
2021年度～2022年度 名古屋大学 国際機構 特任教授
【専門および得意な分野・研究】
・ソフトコンピューティング
・データ解析
・各種統計学
【本テーマ関連学協会での活動】
・日本知能情報ファジィ学会
【開催日時(オンライン配信)】
2027年1月28日(木) 13:00-17:00
【受講料】
●オンライン受講(見逃し視聴なし)：1名46,200円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき35,200円
●オンライン受講(見逃し視聴あり)：1名51,700円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき40,700円
※詳細な内容やお申込み要領等は、下段「セミナーホームページを見る」をご参照ください。
【セミナーの内容】
■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
■プログラム項目
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
