ChatGPTによる「丸投げ統計解析」の実施法【Live配信 or アーカイブ配信】

★ データ解析から解析結果の解釈まで全部やってくれる！ ★ ChatGPT4 『Advanced Data Analysis』 の具体的な使い方、ポイント、事例！ ★ Pythonで得られた結果と比較しながら解説！ ★ ChatGPT初心者でも分かるように解説！

日時

【Live配信】２０２４年５月２４日（金）１０：３０～１６：３０【アーカイブ（録画）配信】 視聴期間：６月４日～６月１４日まで

セミナー講師

(株)メドインフォ　代表取締役　嵜山 陽二郎　氏

専門医療統計学、薬物動態学、データマイニング、機械学習、医療経済学、臨床研究・疫学研究略歴1983-87年　東京大学理科Ⅱ類入学～東京大学薬学部卒業1987-1993年　東京大学大学院修士課程、博士課程修了（医学博士）1993-1999年　東京都老人総合研究所、国立長寿医療研究センターにて、画像解析の業務に従事1999-2007年　ファイザー株式会社中央研究所にて、職員を対象とし100回を超える統計解析の授業を実施、非臨床薬理試験における統計解析支援。2007年　ファイザー株式会社中央研究所が閉鎖2008年　日本薬理学雑誌に発表した論文は、薬理試験においてExcelソルバーの非線形モデルを導入した最初の試みとして話題となる1)。2009年　ファイザー株式会社英国サンドウィッチ研究所における主要な業績の一つとして、機械学習モデルを薬物動態に応用した最初の試みが、エキスパートオピニオンジャーナルに掲載される2)。2009-2013 グラクソスミスクライン株式会社、ヤンセンファーマ株式会社、フェリングファーマ株式会社にて医学情報・統計解析担当を歴任2015- アスペンジャパン株式会社　メディカルアフェアーズ部　部長2015- 株式会社メドインフォ設立　代表取締役

他にも、これまで40報を超える学術論文を執筆し、非臨床・臨床研究の解析手法において多数の研究業績を有する。国際学会発表5回、国際薬物動態予測学会の座長、製薬企業スタッフ対象の講演会など多数の実績あり。現在運営中のサイト「統計解析 - Python・R・エクセルを使った講義で最速マスター」は10万PVを超える人気サイトとなっている 。著書に、「医師・看護師のための統計学ポイント＆アドバイス77 東京図書」がありわかりやすい統計学の教科書として絶賛発売中。

セミナー受講料

1名につき55,000円（消費税込/資料付き）〔1社2名以上同時申込の場合のみ1名につき49,500円〕

セミナー趣旨

ChatGPTすなわちOpenAI社が開発した自然言語処理モデルの生成AIが近年台頭し、テキストベースの対話形式で自然な回答を生成できるようになりました。統計解析においても、「〇〇解析をしてください」という命令文（プロンプト）を入力するだけで解析の手法、アイデア、Pythonのソースコードなどの情報を容易に入手することができるようになりましたが、手元にあるデータの解析をするまでには至りませんでした。一方、上位版ChatGPT4 においては、2023年7月に公開された新機能Advanced Data Analysis（旧Code Interpreter）が使えるようになりました。ChatGPT3.5との大きな違いは、情報を提供してくれるだけでなく、実際に解析したいデータをアップロードした上でプロンプトを入力すると、そのデータを解析し、解析結果の解釈までしてくれます。統計解析をAIに丸投げ可能な時代がついにやってきました。本講座ではChatGPT4による感覚的な統計解析で得られた結果を従来のPythonを使った手法で得られた結果と比較しながら初心者でも分かるように解説します。

セミナープログラム

１．ChatGPT：次世代統計解析ツール　1.1 生成AIをとりまく背景　1.2 ChatGPTとは　1.3 ChatGPT3.5とChatGPT4との違い　1.4 ChatGPT4の登録方法　1.5 プロンプト（命令文）入力のポイント

２．ChatGPT4：記述統計編　2.1 記述統計概論　2.2 CSVファイルの準備とアップロード　2.3 プロンプト（命令文）の入力　2.4 要約統計量の実行と出力　2.5 グラフの作成と出力　2.6 従来のPythonを使った手法との比較３．ChatGPT4：推測統計編　3.1 推測統計概論　3.2 CSVファイルの準備とアップロード　3.3 プロンプト（命令文）の入力　3.4 点推定・区間推定の実行と出力　3.5 仮説検定の実行と出力　3.6 従来のPythonを使った手法との比較４．ChatGPT4：一般化線形モデル編　4.1 一般化線形モデル概論　4.2 CSVファイルの準備とアップロード　4.3 プロンプト（命令文）の入力　4.4 回帰分析の実行と出力　4.5 分散分析の実行と出力　4.6 ロジスティック回帰分析の実行と出力　4.7 従来のPythonを使った手法との比較５．将来展望　5.1 生成AIの可能性と限界　5.2 生成AIを活用したデータサイエンスの将来展望

【質疑応答】