Sztuczna inteligencja w ubezpieczeniach 1000-1S22SIU
Seminarium poświęcone jest zastosowaniom narzędzi z obszaru sztucznej inteligencji w ubezpieczeniach. Podczas seminarium omówione zostaną następujące zagadnienia:
1. Modelowanie częstości szkód przy zastosowaniu techniki boosting oraz drzew regresyjnych.
2. Praktyczne aspekty stosowania sieci neuronowych w kontekście modelowania częstości szkód.
3. Zagnieżdżanie klasycznych modeli aktuarialnych za pomocą sieci neuronowych.
4. Teoria oraz zastosowania aktuarialne algorytmów AdaBoost i XGBoost
5. Przegląd wybranych algorytmów uczenia nienadzorowanego wraz z zastosowaniami aktuarialnymi
6. Modelowanie ryzyka śmiertelności za pomocą rekurencyjnych sieci neuronowych
7. Przetwarzanie języka naturalnego w zakładach ubezpieczeń.
8. GLM vs. interpretowalne uczenie maszynowe
9. Zastosowanie konwolucyjnych sieci neuronowych do modelowania współczynników śmiertelności i nie tylko.
10. Interpretowalne głębokie uczenie maszynowe w modelowaniu aktuarialnym
Rodzaj przedmiotu
Tryb prowadzenia
w sali
Założenia (lista przedmiotów)
Założenia (opisowo)
Efekty kształcenia
- zapoznanie się z zastosowaniami metod z obszaru sztucznej inteligencji w kontekście aktuarialnym,
-rozwinięcie technicznych kompetencji implementacji modeli w narzędziach takich jak R lub Python,
-rozwinięcie zdolności „miękkich”, m.in. poznanie żargonu finansowego i ubezpieczeniowego
-rozwinięcie umiejętności prezentacyjnych i komunikacyjnych.
Natomiast nie jest wymagana znajomość a priori zagadnień matematyki ubezpieczeniowej ani finansowej.
Kryteria oceniania
Ocena seminarium na podstawie wygłoszonych referatów.
Literatura
Merz, Wuethrich, 'Statistical Foundations of Actuarial Learning and its Applications'
oraz inne pozycje, które zostaną wskazane na pierwszych zajęciach.
Więcej informacji
Więcej informacji o poziomie przedmiotu, roku studiów (i/lub semestrze) w którym się odbywa, o rodzaju i liczbie godzin zajęć - szukaj w planach studiów odpowiednich programów. Ten przedmiot jest związany z programami:
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: