|
【講座主旨】
近年、ChatGPTがデータ分析において優れたツールであることが認知されつつありますが、実験計画法において活用した事例は皆無です。しかしながら、ChatGPTは出来るだけ少ない実験回数で交絡を含まない最適な実験計画を提案してくれますし、提案した実験計画に基づき分析を行い、効果や交互作用を評価することができます。また、直交表やMT法、タグチメソッドなどを用いた高度な実験計画法も、ChatGPTなら簡単に実行することができます。本講座の受講により実験計画法についての理解が深まるとともに、ChatGPTを活用すれば簡単に実行することが出来ることを肌感覚で理解することができます。
【講座内容】
１．生成AIとChatGPT
1.1 生成AIとは
1.2 ChatGPTとは
1.3 Data Analystによるデータ分析
1.4 ChatGPTのデータ分析における活用
1.5 プロンプトの書き方
２．実験計画法
2.1 実験計画法とは
2.2 フィッシャーの３原則
2.3 層別ランダム化
2.4 ラテン方格法
３．要因実験
3.1 要因実験とは
3.2 完全実施要因計画
3.3 一部実施要因計画
3.4 主効果と交互作用
４．一元配置法
4.1 一元配置法について
4.2 分散分析法
4.3 変動の分解
4.4 因子効果の検定方法
５．二元配置法
5.1 二元配置法について
5.2 分散分析法
5.3 変動の分解と交互作用
5.4 因子効果の検定方法
６．直交表
6.1 直交表とは
6.2 直交表の使い方
6.3 直交表を用いた実験計画法
6.4 直交表による因子効果と交互作用の評価
７．その他の方法
7.1 回帰分析
7.2 重回帰分析
7.3 ＭＴ法
7.4 タグチメソッド
８．おわりに
8.1 実験計画法にChatGPTを活用するメリット
8.2 実験計画法におけるChatGPTの限界
8.3 将来展望
【質疑応答】
-------------------------------------
◆講師略歴・活動など◆
1993年東京大学大学院修士課程、博士課程修了（医学博士）
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。
2007-2009年 ファイザー株式会社英国サンドウィッチ研究所
2009-2013年 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
2013年- 株式会社メドインフォ設立 代表取締役
|
