Workshops Hands-on Machine Learning met Python Blok 2 (online)

Datum
21-03-2023
Locatie
Online
Omschrijving

Data: 21 en 28 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 2

Tree-based machine learning methods (deel 1: 21-03-2023 van 09.30–12.30 uur)

  • Tree basics
  • Toy example voor regressie, met scikit-learn: sklearn.tree
  • Pruning via cross-validatie: k-fold cross validatie, minimal cv error en one standard error rule in Python’s scikit-learn: sklearn.model_selection.
  • Toy example voor classificatie
  • Claim frequency en severity modelling: focus op beschikbare loss functies
  • Interpretatie tools, via variable importance plots en partial dependence plots met scikit-learn: sklearn.inspection.

 

Tree-based machine learning methods (deel 2: 28-03-2023 van 09.30–12.30 uur)

  • Bagging met scikit-learn: sklearn.ensemble Bagging
  • Van bagging naar random forests met scikit-learn: sklearn.ensemble RandomForest
  • Tuning en bespreking beschikbare loss functies
  • (Stochastic) Gradient Boosting Machines met scikit-learn: sklearn.ensemble GradientBoosting
  • Tuning, predicties, interpretative tools
  • Claim frequency en severity modeling met XGBoost

 

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