Actuarieel professionals die zich willen verdiepen in machine learning technieken binnen het actuariaat.

Doel   

Tijdens zes webinars, waarbij voor de interactieve opdrachten gebruik gemaakt wordt van RStudio Cloud, wordt onder leiding van prof. dr. Katrien Antonio in workshopvorm de kennis en vaardigheid in R, de basisprincipes van statistical en machine learning, tree-based machine learning en het gebruik van neurale netwerken bij het modelleren van risico’s, vergroot.

Voor de workshops geldt dat basiskennis en beheersing van het softwarepakket R vereist is.

Keuze workshops

De zes workshops zijn opvolgend in kennis en vaardigheid. Beheerst u de basis van machine learning en regressiemodellen al? Start dan met de workshops over tree-based machine learning (blok 2).

Los blok volgen

Een los blok volgen kan ook! Ga terug naar de PE-agenda en dan naar de startdatum van het betreffende blok. Vanaf daar kunt u zich inschrijven.

Certificaat

Heeft u alle 6 workshops gevolgd, dan ontvangt u het certificaat ‘Hands-on machine learning’ van het Actuarieel Instituut.

Blok 1

Machine learning fundamenten (07-02-2023 van 09.30–12.30 uur)

• Knowing me, knowing you: statistical en machine learning
• Model accuraatheid en loss functies
• Overfitting en bias-variance trade off
• Data splitting, resampling methoden met {caret} en {rsample}
• Parameter tuning met {caret}, {rsample} en {purrr}
• Target en feature engineering: data pre-processing steps

Regressie modellen (14-02-2023 van 09.30–12.30 uur)

• Regressiemodellen in R en tidy model output met {broom}
• Generalized Linear Models
• Generalized Additive Models met {mgcv}
• Regularized (G)LMs met {glmnet}

Blok 2

Tree-based machine learning in R (deel 1: 21-02-2023 van 09.30–12.30 uur)

• Tree basics
• Toy example voor regressie
• Pruning via cross-validatie
• Toy example voor classificatie
• Claim frequency en severity modeling
• Interpretation tools

Tree-based machine learning in R (deel 2: 28-02-2023 van 09.30–12.30 uur)

• Bagging introductie
• Van bagging naar Random forests
• Tuning
• (Stochastic) Gradient Boosting Machines
• Tuning
• Claim frequency en severity modeling met {gbm}
• XGBoost

Blok 3
Neurale netwerken (deel 1: 16-03-2023 van 09.30–12.30 uur)

• Toolbox
• Fundamentals van neurale netwerken: concepten, model building en training in {keras}
• Een eerste Artificial Neural Network
• Interpretation tools
• Auto encoders

Neurale netwerken (deel 2: 30-03-2023 van 09.30–12.30 uur)

• Convolutional neural networks: layers, evaluatie en interpretatie
• Claim frequentie gemodelleerd met een ANN
• CANNs: Combined Actuarial Neural Networks

Voorbereiding voor deelnemers

Voor aanvang van de workshop(s) maakt u een account aan op RStudio Cloud of test u uw eigen lokale installatie van R met de docent. In deze omgeving staan lesmateriaal en opdrachten voor u klaar.

Individuele begeleiding
Tijdens de workshops werkt u aan opdrachten in R. Via break-out rooms is individuele ondersteuning mogelijk. Via RStudio Cloud kunt u eenvoudig werken binnen een leeromgeving die is opgezet door de docent en alle nodige data en pakketten al vooraf voor u heeft klaargezet.

Inloggen voor de workshop(s)

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 associate professor aan de Universiteit van Amsterdam.

Algemene informatie

Inschrijfprocedure

Accreditatie

Annuleren

Facturatie