Vous sentez-vous perdu dans les forêts aléatoires ? Vous souhaitez démystifier les concepts de validation croisée, bagging, shrinkage… ou découvrir ce qui se cache derrière les acronymes GAM, LASSO, GBM. Vous vous demandez si les GLM sont toujours d’actualité ou devraient être présentés au musée de l’Histoire de l’actuariat ? Si oui, nous vous invitons à participer à ce cours intensif sur les techniques d’apprentissage statistique appliquées à l’assurance !
Cette formation a été conçue par et pour des actuaires afin de prendre en compte toutes les spécificités des données assurantielles. Les sessions de formation se déroulent étape par étape. Rappelant tout d’abord les concepts statistiques fondamentaux sur lesquels reposent les techniques modernes d’apprentissage et les approches standards GLM. Puis présentant les méthodes GAM et GBM. Les mérites respectifs des méthodes sont illustrés au travers de cas pratiques basés sur des données assurantielles.
La formation a pour but d’être interactive : alternant les parties théoriques et pratiques, elle favorise les échanges avec les participants. La documentation, incluant les bases de données et le code R est mise en ligne et partagée avec les participants. L’installation de packages R en amont de la formation est requise.
Partie 1 : Introduction à l’analyse de l’assurance et des modèles de base
Partie 2 : Modèles de régression linéaires et non linéaires généralisés
Conseiller Scientifique, Detralytics
Professeur, UCLouvain
Date : À la demande
Durée : 6h
Accréditation : 6CPD | 36PPC
Niveau : Tout
À la suite de cette formation, les participants auront acquis une connaissance opérationnelle de l’analyse des données d’assurance. Ils seront capables d’utiliser les différentes méthodes d’apprentissage par arbres de décision et de choisir, selon leurs données et l’objectif de leur analyse, la plus adaptée.
Un mois après la fin de la formation, une discussion de suivi est organisée afin de partager les expériences liées à la mise en œuvre de l’approche qui a été présentée.
Michel est Conseiller Scientifique Honoraire chez Detralytics, ainsi que professeur en sciences actuarielles à l’Université Catholique de Louvain. Il dispose d’une expérience internationale en tant que professeur invité et a initié de nombreux projets en collaboration avec l’industrie. Au sein de Detralytics, Michel accompagne les jeunes talents, dispense des formations de pointe, stimule l’innovation et supervise des projets de R&D.
