A l’issue de la formation, le participant développera les compétences suivantes :
- Analyser les occurrences, nombres, coûts et durées des sinistres à l’aide des techniques d’apprentissage par machine (CART, Bagging et Random Forests, Boosting).
- Programmer un réseau de neurones artificiels pour la tarification ou la prévision en choisissant l’algorithme de calibration, le critère d’optimisation, ainsi que les contraintes, les plus appropriés aux données d’assurance considérées.
- Implémenter un réseau de neurones réduisant la dimension d’un jeu de données d’assurance, utiliser un réseau pour modéliser des séries temporelles utiles à la gestion des produits d’assurance.
- Etablir une stratégie d’analyse d’une base de données relatives à un portefeuille d’assurance, la mettre en pratique et interpréter les résultats.
- Implémenter en Python ou R les méthodes de data mining adéquates pour l’analyse des données.