こんな課題はありませんか？

生成AIの急速な進歩によって、エンジニア自身が統計解析のプログラムを一から作成しなくても、生成AIに相談しながら解析方法を選び、Pythonプログラムを作成して実行できる時代になりました。

一方、生成AIが提案した統計解析方法が対象データに適しているのか、得られた結果をどのように解釈するのか、そしてその結果から工学的にどのような判断を行うのかについては、エンジニア自身が統計学の基本を理解している必要があります。

本セミナーでは、数学的な理論や公式の導出に必要以上に深入りせず、エンジニアリング実務で必要となる統計学について、基本的な考え方と「何を意味しているのか」「どのような場合に使うのか」「結果をどう判断するのか」を重視して解説します。

さらに、統計学から機械学習・AIへどのようにつながっていくのかを理解するとともに、生成AI＋無料のPythonを活用して、実際のエンジニアリングデータを効率的に解析する方法についても分かりやすく解説します。

本セミナーでは、主に次の内容を学びます。

・平均値・分散・標準偏差・正規分布などから、実測データの特徴とばらつきを適切に捉える方法
・散布図・相関係数・回帰分析を使って、複数のデータの関係を調べ、予測につなげる方法
・信頼区間・仮説検定・p値の基本を理解し、実験結果や設計変更前後の違いを適切に判断する方法
・統計学と機械学習・AIの関係を理解し、回帰・分類・過学習・モデル評価などAIを利用するうえで必要となる基本的な考え方
・生成AIに統計解析方法を提案させ、Pythonプログラムを作成・実行し、その解析結果をエンジニア自身が確認・判断する実務的な方法

• １．生成AI時代にエンジニアが統計学を学ぶ意味
  
  1-1　統計学とは何をするためのものか
  1-2　統計学・機械学習・AIの関係
  1-3　生成AIが計算してくれる時代になぜ統計学が必要なのか
  1-4　AIに計算させ、エンジニアが結果を判断する
  1-5　生成AI＋Pythonによる統計解析の進め方
  
  ２．データの特徴とばらつきを理解する
  
  2-1　母集団と標本
  2-2　平均値・中央値
  2-3　分散と標準偏差
  2-4　ヒストグラムによるデータ分布の確認
  2-5　正規分布とは何か？　標準正規分との違いとこの活用方法は？
  2-6　±1σ、±2σ、±3σの意味
  2-7　外れ値の見方
  2-8　生成AI＋Pythonによる基本統計量の計算と可視化
  
  ３．データ間の関係を調べるー相関と回帰分析
  
  3-1　散布図からデータ間の関係を見る
  3-2　相関係数とは何か
  3-3　正の相関・負の相関・無相関
  3-4　相関関係と因果関係の違い
  3-5　回帰分析とは何か
  3-6　単回帰分析による予測
  3-7　重回帰分析の基本的な考え方
  3-8　生成AI＋Pythonによる相関・回帰分析
  
  ４．データから違いを判断する―推定と検定
  
  4-1　標本から母集団を推定するとはどういうことか
  4-2　平均値だけでは判断できない理由
  4-3　信頼区間とは何か
  4-4　仮説検定とは何を判断する方法なのか
  4-5　帰無仮説とp値
  4-6　有意差がある／ないとはどういう意味か
  4-7　統計的な有意差と工学的な意味の違い
  
  ５．統計学から機械学習・AIへ
  
  5-1　統計解析と機械学習の関係
  5-2　教師あり学習と教師なし学習
  5-3　回帰による数値予測
  5-4　分類による正常・異常判定
  5-5　学習データとテストデータ
  5-6　過学習とは何か
  5-7　AIモデルの性能をどう評価するか
  5-8　製造・品質・設備診断などへのAI活用例
  
  ６．生成AI＋Pythonによるエンジニアリング統計解析
  　　― 有料のMATLABではなく、無料のPythonを活用するエンジニアが増えている！ ―
  
  6-1　生成AIに統計解析方法を提案させる
  6-2　生成AIにPythonプログラムを作成させる
  6-3　データの読込み・整理・可視化
  6-4　平均・標準偏差・相関・回帰・検定を実行する
  6-5　生成AIに解析結果を説明させる
  6-6　生成AIが選んだ統計手法は適切か
  6-7　生成AIが作成したプログラムと計算結果を確認する
  6-8　統計的な結果からエンジニアが最終判断する
  
  ７．質疑応答