……Zoomオンライン受講
……見逃し視聴選択可
☆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！
講師
名古屋大学
名誉教授 工学博士
古橋 武 氏
講師紹介
■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
＜その他関連商品＞
機械学習・AI・データ分析 一覧はこちら
日時・受講料・お申込みフォーム
●日時：2027年1月28日(木) 13:00-17:00 ＊途中、小休憩を挟みます。
●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
＊「見逃し視聴あり」でお申込の場合、当日のご参加が難しい方も後日セミナー動画の視聴が可能です。
各種割引について
＊5名以上でのお申込の場合、更なる割引制度もございます。
ご希望の方は、以下より別途お問い合わせ・お申込みください。
req@*********（*********にはjohokiko.co.jpを入れてください）
＊学校法人割引：学生、教員のご参加は受講料50％割引。→「セミナー申込要領・手順」を確認ください。
お申込みはこちらから
商品コード：AD270156
配布資料・講師への質問など
●配布資料はPDFなどのデータで配布いたします。ダウンロード方法などはメールでご案内いたします。
・配布資料に関するご案内は、開催1週前～前日を目安にご連絡いたします。
・準備の都合上、開催1営業日前の12:00までにお申込みをお願いいたします。
（土、日、祝日は営業日としてカウントしません。）
・セミナー資料の再配布は対応できかねます。必ず期限内にダウンロードください。
●当日、可能な範囲でご質問にお答えします。（全ての質問にお答えできない可能性もございます。何卒ご了承ください。）
●ご受講に際しご質問・要望などございましたら、下記メールアドレス宛にお問い合わせください。
req@*********（*********にはjohokiko.co.jpを入れてください）
オンラインセミナーご受講に関する各種案内（必ずご確認の上、お申込みください。）
※メールアドレスの記載誤りについては、以下へご連絡お願いいたします。
req@*********（*********にはjohokiko.co.jpを入れてください）
→Skype／Teams／LINEなど別のミーティングアプリが起動していると、Zoomで音声が聞こえない、カメラ・マイクが使えないなどの事象が起きる可能性がございます。お手数ですが、これらのアプリは閉じた状態にてZoomにご参加ください。
→音声が聞こえない場合の対処例
→一部のブラウザは音声が聞こえないなどの不具合が起きる可能性があります。
対応ブラウザをご確認の上、必ず事前のテストミーティング をお願いします。
（iOSやAndroidOS ご利用の場合は、アプリインストールが必須となります）
→見逃し視聴について、 こちらから問題なく視聴できるかご確認ください。（テスト視聴動画へ）パスワード「123456」
＜見逃し視聴ご案内の流れ・配信期間詳細＞
セミナーポイント
■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
セミナー内容
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
お申込みはこちらから
