Workshops Hands-on Machine Learning met Python Blok 1 (online)

Datum
07-03-2023
Locatie
Online
Omschrijving

Data: 7 en 14 maart | Tijd 9.30 - 12.30 uur | Aangevraagd voor 6 PE-punten | Prijs Euro 798



Informatie
Doelgroep

Actuarieel professionals.

 

Individuele begeleiding
Tijdens de workshops werkt u aan opdrachten in Python. Via break-out rooms is individuele ondersteuning mogelijk. U kunt op twee manieren de hands-on oefeningen volgen en zelf uitvoeren:

  • Optie 1: via een Google Colaboratory (Colab) staan de nodige libraries en data sets klaar en kan u code schrijven en uitvoeren in de browser; dit is een zeer toegankelijke manier om de workshop te volgen
  • Optie 2: via een lokale installatie van Python, bijv. via het distributieplatform Anaconda, en een IDE voor Python (bijv. PyCharm of Spyder). Per sessie wordt een notebook ter beschikking gesteld met de nodige instructies, voorbeelden en oefeningen. Notebooks zullen ter beschikking gesteld worden via module specifieke GitHub repo’s. Voorafgaand aan elke sessie installeren de deelnemers die voor een lokale installatie opteren de nodige libraries, volgens instructies aangeleverd door de docenten.  

 

Blok 1

 

Machine learning fundamenten (07-03-2023 van 09.30–12.30 uur)

  • Knowing me, knowing you: statistical, machine learning & actuarial learning
  • Model accuraatheid en loss functies
  • Overfitting en bias-variance trade off
  • Introductie van de data sets die in module 1 en 2 gebruikt worden; verkennende data analyse en visualisatie met Numpy, pandas en Matplotlib
  • Data splitting, resampling methods met scikit-learn: sklearn.model_selection
  • Parameter tuning met scikit-learn: sklearn.model_selection
  • Target en feature engineering: data pre-processing steps zoals centering, scaling, omgaan met missing data, (near) zero variance met scikit-learn: sklearn.preprocessing.

 

Regressie modellen (14-03-2023 van 09.30–12.30 uur)

  • Regressiemodellen in Python met scikit-learn en via statsmodels, de statsmodels.api en de formule aanpak via statsmodels.formula.api
  • Lineaire regressie met statsmodels: statsmodels.regression.linear_model
  • Generalized Linear Models: schatten, model fit inspecteren, predicties en evalueren van model fit via statsmodels: statsmodels.genmod.generalized_linear_model
  • Regularized (G)LMs: basic set up met statsmodels en scikit-learn

 

Voorbereiding voor deelnemers

Voor aanvang van de workshop(s) maakt u een account aan voor Google Colab of test u uw eigen lokale installatie van Python.

 

Inloggen voor de workshops

U ontvangt een dag voor het webinar uw unieke inlogcode voor het webinar-programma Zoom Pro, wij verzoeken u een kwartier voor aanvang in te loggen. Met het activeren van alle veiligheidsopties in Zoom Pro is een veilige, online omgeving gecreëerd. Kijk hier wat u van ons ontvangt om Zoom Pro te gebruiken en het webinar te kunnen volgen. 

 

Spreker

Prof. dr. Katrien Antonio is hoogleraar actuariaat aan de KU Leuven en hoogleraar actuariële data science aan de Universiteit van Amsterdam.

 

Dr. Ir. Roel Henckaerts is data scientist bij Prophecy Labs, een AI/ML startup.

 

Dr. Jonas Crevecoeur is postdoctoraal onderzoeker in biostatistiek aan de KU Leuven en de Universiteit Hasselt.

 

Algemene informatie

Inschrijfprocedure

Accreditatie

Annuleren

Facturatie