Uczenie Statystyczne w Naukach Aktuarialnych II 2400-ZEWW904
1. Idea taryfikacji i modele predykcyjne w ubezpieczeniach (2 godz.)
2. Moc predykcyjna modelu i metody cross-validation (4 godz.)
3. Drzewa regresyjne (4godz.)
4. Metody bagging, (2 godz.)
5. Lasy losowe (2 godz.)
6. Metoda boosting (2 godz.)
7. Warianty metody boosting: gradient boosting, XGBoost, LightGBM (4 godz.),
8. Drzewa Poissona i Gamma (2 godz.)
9. Głębokie sieci neuronowe (4 godz.)
10. Dekompozycja Murhy’ego zgodnych funkcji strat (2 godz.)
11. Metody graficzne oceny jakości dopasowania i mocy predykcyjnej modelu: krzywe Lorenza, krzywe koncentracji, współczynnik Giniego, diagram Murphy’ego (2 godz.)
Rodzaj przedmiotu
Koordynatorzy przedmiotu
Efekty kształcenia
Wiedza: Student:
• zna rodzaje drzew regresyjnych i sieci neuronowych, obszary zastosowań i algorytmy kalibracji predyktorów,
• zna metody oceny i wyboru predyktora,
• potrafi wymienić korzyści z drzew regresyjnych i sieci w praktyce aktuarialnej.
Umiejętności: Student umie:
• zastosować algorytm budowy drzewa regresyjnego i sieci neuronowej oraz przeprowadzić analizę dopasowania predyktora,
• ocenić i wybrać najlepszy predyktor zgodnie z przyjętymi kryteriami ilościowymi i jakościowymi,
• zastosować odpowiedni algorytm do konstrukcji taryfy aktuarialnej.
Kompetencje społeczne: Student:
• wykazuje potrzebę ciągłego poszerzania i pogłębiania zdobytej wiedzy w zakresie metod uczenia statystycznego w aktuariacie, stara się posiadaną już wiedzę i umiejętności konsekwentnie uzupełniać i doskonalić,
• potrafi współdziałać w grupie, uzgadniać z grupą cele i podział zadań, potrafi odpowiednio określić priorytety służące wyborowi odpowiednich metod i modeli analizy.
Kryteria oceniania
Dwa sprawdziany pisemne i projekt zaliczeniowy
Literatura
1. “Effective Statistical Learning Methods for Actuaries I I II” - M. Denuit, D. Hainaut, J. Trufin, Springer, 2019 i 2020
2. “Statistical Foundations of Actuarial Learning and its Applications” - M.V. Wuthrich, M. Merz, Springer, 2023
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: