Cette formation présente la théorie des réseaux de neurones ainsi que de leur application à la tarification actuarielle. Elle met l’accent sur l’implémentation pratique en R de ces modèles à l’aide des librairies Keras et NeuralNet.
La formation s’adresse tant aux non-initiés qu’aux actuaires ayant des bases en machine learning. Les concepts sont présentés à l’aide d’exemples détaillées pas à pas. La formation débute par une présentation des perceptrons multicouches ainsi que leur calibration. Nous montrons ensuite comment un perceptron permet de réduire la dimension d’un jeu de données et nous terminons par une présentation du neural gradient boosting. Le code R des illustrations est fourni aux participants.
Nous commençons ce cours par une révision des concepts à la base des réseaux de neurones et des méthodes de calibration. Une étude de cas (base de données Wasa) illustre l’utilisation des réseaux de neurones pour la tarification en assurance non-vie.
Nous poursuivons avec une introduction à NeuralNet et Keras, au cours de laquelle les participants pourront tester le code R utilisé dans les illustrations. Nous verrons également comment lutter contre le surapprentissage grâce aux approches Dropout, Lasso et Ridge.
Enfin, nous montrons comment les réseaux de neurones à goulot d’étranglement peuvent être utilisés pour réduire la dimension d’un jeu de données, de manière analogue à une analyse en composantes principales non linéaire. Cette technique sera illustrée sur la prévision de la mortalité. Le code R sera mis à disposition des participants.
Conseiller Scientifique, Detralytics
Professeur, UCLouvain
Date : À la demande
Durée : 9h
Accréditation : 9CPD | 54PPC
Prérequis : Installation de packages R
Concepts:
Mise en pratique :
Donatien Hainaut est Conseiller Scientifique chez Detralytics et Professeur à l’UCLouvain (Belgique), où il dirige le Master en Data Science à orientation statistique. Auparavant, il a occupé plusieurs postes académiques, notamment en tant que Professeur Associé à la Rennes School of Business et à l’ENSAE à Paris. Il possède également une solide expérience en entreprise, ayant travaillé comme Risk Officer, Quantitative Analyst et ALM Officer.
Actuaire qualifié et titulaire d’un doctorat en Asset and Liability Management, ses recherches actuelles portent sur les mécanismes de contagion dans les processus stochastiques ainsi que sur les applications des réseaux de neurones en assurance.
