【延期】ChatGPTによる丸投げ統計解析～プロンプトを書くだけでOK～

セミナー講師

嵜山陽二郎（さきやまようじろう）　氏株式会社メドインフォ　代表取締役（医学博士）  

＜略歴、等＞　1993年　東京大学　医学系研究科　博士課程　終了。　1993年～2014年　製薬企業にて統計解析実務および社員教育に従事。　2015年～　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1,2)、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3) 。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4)。1)　Sakiyama Y., Ohashi K. and Takahashi Y. Application of nonlinear regression model to sigmold dose-response relationship in pharmacological studies. Nippon Yakurigaku Zasshi 2008, 132: 199-206.2)　Sakiyama Y. The use of machine learning and nonlinear statistical tools for ADME prediction. Expert Opinion of Drug Metabolism and Toxicology, 2009, 5: 149-169.3)　統計解析 - Python・R・エクセルを使った講義で最速マスター（http://statg.com/）4)　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

セミナー受講料

お1人様受講の場合　53,900円[税込]／1名1口でお申込の場合　66,000円[税込]／1口（3名まで受講可能）

受講申込ページで2～3名を同時に申し込んだ場合、自動的に1口申し込みと致します。

受講について

• 本セミナーの受講にあたっての推奨環境は「Zoom」に依存しますので、ご自分の環境が対応しているか、お申込み前にZoomのテストミーティング（http://zoom.us/test）にアクセスできることをご確認下さい。
• インターネット経由でのライブ中継ため、回線状態などにより、画像や音声が乱れる場合があります。講義の中断、さらには、再接続後の再開もありますが、予めご了承ください。
• 受講中の録音・撮影等は固くお断りいたします。

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。統計解析がAIに丸投げ可能な時代がついにやってきました。　本セミナーでは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