Data Science and statistical learning in the actuarial profession

Datum
13-12-2018
Locatie
Johan de Witt huis (Utrecht)
Omschrijving

Data 13 en 19 december 2018 | Tijd 9.00 - 17.00 uur | Aangevraagd voor 14 PE punten | Prijs Euro 1.199



Informatie
Doelgroep

Heeft u uw opleiding tot actuaris vóór 2018 afgerond? Dan biedt deze tweedaagse u de mogelijkheid om uw kennis en vaardigheden over Data Science en Statistical Learning binnen het actuariaat op een hoger niveau te brengen.

 

Leerdoelen

  • Een grote dataset kunnen voorbereiden, analyseren en visualiseren;
  • Begrijpen en toepassen van de bovengenoemde technieken;
  • Bewustzijn van mogelijke valkuilen, zoals overfitting en imbalanced data en het belang van goede validatie.

 

Programma

Tijdens deze korte cursus over Data Science wordt de  nadruk gelegd op Machine- en Statistical Learning. Zo komen onder andere aan bod: Supervised learning, regresssion, classification en Unsupervised learning. De nadruk ligt op technieken en voorbeelden die nuttig zijn voor het actuariaat.

Het programma is als keuzevak onderdeel van de huidige EMAS-opleiding en wordt in het Nederlands verzorgd, tenzij er onder deelnemers Engelstaligen aanwezig zijn.

 

Beide dagen bestaan ​​uit theoretische en praktische onderdelen. In de praktische onderdelen worden de gegevensvoorbereiding, modeltraining en validatieprocedures toegepast op realistische gevallen.
 
Onderwerpen 13 december:

  • Inleiding tot Data Science en statistisch leren (machine learning);
  • Technieken om automatisch een groot aantal riskdrivers af te handelen (forward stepwise, the Lasso en Ridge regression) uitgaande van het gegeneraliseerde lineaire regressiemodel;
  • Overfitting, bias variance tradeoff, (cross-)validation;
  • Classification trees en ensemble extensions (bagging, boosting, random forests)

 
Onderwerpen 19 december:

  • Imbalanced data and cost-sensitive learning for supervised learning problems;
  • Dimension reduction & unsupervised learning (PCA, auto encoders);
  • Anomaly detection;
  • (Neural) network approaches.

 

Software

Voor het volgen van deze cursus heeft u een laptop met daarop het programma R nodig. U kunt dit programma en de handleidingen (voor installatie en gebruik van het programma) gratis downloaden via http://www.r-project.org.
 
Tijdens de cursus ontvangt u R-notitieboeken (R-markdown-documenten) en Jupyter-notebooks voor Python en gaat u deze notebooks uitbreiden/aanpassen om de oefeningen te maken.

Het is daarom noodzakelijk om vóór 13 december de open source-programma's R, R-studio, Python en Jupyter te installeren, evenals de bijbehorende pakketten voor gegevenswetenschap. Een korte instructie is voor het begin van de cursus beschikbaar. Een laptop met de geïnstalleerde programma's is nodig tijdens beide dagen.
 

Literatuur

  • The Elements of Statistical Learning, by Hastie, Tibshirani and Friedman. Link

 

Sprekers

  • dr. Ramon van den Akker, expert Advanced Analytics & Modelling bij De Volksbank en Associate Professor Quantitative Finance aan Tilburg University, docent bij het Actuarieel Instituut;
  • dr. Koos Gubbels AAG, Advanced analytics & model development bij de Volksbank, docent bij het Actuarieel Instituut

 

Algemene informatie

Inschrijfprocedure

Accreditatie

Annuleren

Facturatie