Data science та машинне навчання. Безкоштовний вебінар, присвячений методам та технологіям Data Science та машинному навчанню

2 серпня 2018 р. о 12-00 компанія StatSoft проведе безкоштовний вебінар, присвячений методам і технологіям Data Science та машинному навчанню для аналітиків страхових компаній, актуаріїв.

Актуальним завданням для страхових компаній є знаходження оптимальних показників для розрахунку тарифів, які враховують як ризики компанії в залежності від поведінкової моделі клієнта, ймовірності виникнення страхового випадку, так і конкурентоспроможність пропозицій компанії.

На сьогоднішній день величезна кількість інструментів покликана допомогти аналітикам у вирішенні завдань такого рівня. І вже важлива не тільки, наприклад, точність розрахунку тарифної системи, а й швидкість прийняття рішень в умовах ситуації, що динамічно змінюється на ринку, здатність швидко аналізувати інформацію, що оновлюється в режимі реального часу, а також формувати нові продукти, пропозиції та пакети послуг для клієнтів.

У рамках вебінару слухачі познайомляться з різними підходами до вирішення аналітичних завдань у галузі страхування, зможуть оцінити та порівняти їх ефективність, відзначивши переваги кожного, а також розглянуть приклади застосування різних методів аналізу даних для вирішення таких завдань як розрахунок тарифу, побудова скорингових моделей. , які застосовуються як у банківській справі, так і у страхуванні.

У програмі вебінару:

• Аналіз ризиків
     - Перевірка статистичних гіпотез
     - Підганяння дискретних та безперервних розподілів
     - Моделі індивідуального та колективного ризиків
• Формування тарифу
     - Відбір змінних для аналізу
     - GLM моделі
     - Оцінка точності моделей
• Предиктивне моделювання
     - Дерева класифікації та регресії
     - Нейронні мережі
• Інтеграція Statistica та R
• Запитання-відповіді

Участь у вебінарі безкоштовна. Обов'язковою є попередня реєстрація.

http://statsoft.ru/coordination/events/registration-for-the-webinar.php

Якщо Ви хочете навчитися застосовувати сучасні технології аналізу даних та самостійно вирішувати практичні завдання, запрошуємо Вас взяти участь у спеціалізованому курсі
Узагальнені лінійні моделі (GLM) для актуаріїв, що пройде 17-19 жовтня 2018 р.

http://statsoft.ru/academy/courses/actuaries/detail.php?ELEMENT_ID=322

Узагальнені лінійні моделі (GLM) – загальновизнаний метод статистичної обробки даних у страхуванні. Завдяки комп'ютерним технологіям, GLM широко визнані страховими компаніями Європи, і швидко завойовують визнання професіоналів у США та Канаді.

GLM є добре розробленим та простим для розуміння способом побудови моделей для аналізу претензій та для прогнозування продовження старих/укладання нових страхових договорів.

Основними перевагами GLM у порівнянні з традиційними методами є такі особливості аналізу:

• можливість врахування складних видів взаємодії між факторами

• великий вибір типу функції залежності

• відсутність вимог щодо нормальності розподілу змінної відгуку

• статистичний вимір ефекту впливу різних факторів на спостережувану величину

• отримання інформації про достовірність результатів побудованої моделі

GLM твердо влаштувалися у статистичній теорії та пропонують практичні методи побудови адекватних моделей.

Мета курсу

Навчити слухачів ефективно використовувати GLM - найсучаснішу методику аналізу претензій та створення/коригування системи для розрахунку тарифів.

Для кого цей курс?< /h3>

Курс розрахований на слухачів, які знають основні поняття теорії ймовірності та математичної статистики.

Програма курсу

1. Вступ до теорії GLM

2. Ідеї прикладної та математичної статистики, що використовуються при побудові GLM. Попередній аналіз даних

   • Візуальний та описовий аналіз даних

   • Кореляційний аналіз

   • Аналіз таблиць сполученості

   • Порівняння вибірок

   • Перевірка гіпотези про функцію розподілу вибірки

   • Кластерний аналіз

   • Аналіз викидів

   • Регресійний аналіз

   • Нелінійне оцінювання, МНК оцінки

   • Відмінність між поняттями взаємозв'язку та взаємодії змінних. Повна та маргінальна взаємодії

3. Класичні лінійні моделі та перехід від класичних лінійних моделей до узагальнених

   • Параметризація моделі. Лінійні моделі

   • Недоліки стандартних моделей для розрахунку тарифів. Необхідність використання GLM

4. Основні поняття теорії GLM

   • Припущення GLM моделей. Експонентне сімейство розподілів. Функція зв'язку, функція дисперсії, параметр масштабування

   • Визначні елементи моделі: матриця плану, апріорні ваги та параметри зсуву

   • Структура GLM

5. Модуль Узагальнені лінійні та нелінійні моделі: завдання аналізу

   • Типові форми GLM

   • Види GLM планів в STATISTICA: однофакторний ТАК, головні ефекти ТАК, факторний ТАК, гніздовий план ТАК, проста регресія, множина регресія, факторна регресія, поліноміальна регресія, регресія поверхні суміші, коваріаційний аналіз, неоднорідні коефіцієнти нахилу, однорідні коефіцієнти нахилу, загальні плани користувача

   • Види взаємодії: вкладена, факторна, поліноміальна, змішана

   • Покрокові методи побудови моделі: покроковий із включенням, покроковий з винятком, тільки з включенням, тільки з винятком

   • Метод пошуку найкращого підмножини

6. Модуль Узагальнені лінійні та нелінійні моделі: аналіз результатів

   • Оцінки параметрів GLM та довірчі інтервали для цих оцінок

   • Статистика Вальда та статистика вкладів

   • Критерій Акаїці

   • Порівняння побудованих моделей: Крос-перевірка

   • Перевірка адекватності моделі. Залишки Пірсона, важелі, стидентизовані залишки, залишки відхилень

7. Різні теоретичні та практичні аспекти застосування GLM

   • Вибір базового рівня

   • Категоризація безперервних змінних

   • Введення обмежень на фактори

   • Доказ правильності моделі: тестування правильності припущень про розподіл помилки, перетворення Боксу – Коксу

   • Внутрішнє, зовнішнє та «приблизне» змішування факторів

   • Тестування відхилень, взаємодія з часом

8. Створення/коригування скорингової системи за допомогою GLM

   • Актуальність підходу

   • Моделювання продовження старих та укладання нових договорів

9. Обговорення завдань клієнта (тільки для індивідуальної або корпоративної форми навчання)

Тривалість курсу

12 академічних годин, курс розбивається на 3 робочі дні

Курс читається як індивідуально, так і в групах.

Найближчі групові заняття з курсу:

17-19 жовтня

28-30 листопада

Інші новини