1 Objectif

A l’heure où les données sont considérées comme le pétrole ou l’électricité du 21e siècle, la maîtrise du machine learning devient une compétence indispensable. En assurance, l’exploitation des données grâce aux algorithmes est un enjeu primordial. Cette formation vous permet d’apprendre les fondamentaux du machine learning.

A l’issue de cette formation, vous aurez une compréhension technique et une mise en pratique des algorithmes de machine learning.

Points forts

• Retour d’expériences sur des applications concrètes
• Manipulation d’une base de données utilisée en assurance
• Astuces et bonnes pratiques concernant l’utilisation des modèles dans une entreprise d’assurance

2 Publics concernés

• Direction technique; Direction marketing; Direction stratégie ; Actuaire ; Risk manager ; Data-Scientist ; Responsable de la qualité des données ; Chief data officer (CDO) et plus largement toute personne partie prenante et / ou garante d’un projet de qualité de données et / ou gérant des bases de données

• Société d’assurance et de réassurance, mutuelle et institution de prévoyance

3 Programme

Analyse descriptive

• Exploration de la base de données
• Formulation de la problématique
• Choix d’un algorithme

Apprentissage non supervisé

• Analyse en composante principale
• Décomposition en valeurs singulières
• K-means
• Classification hiérarchique

Apprentissage supervisé

• Régressions linéaire, logistique, ridge et lasso
• Classification Bayésienne Naïve
• Arbre de classification
• Machine à vecteurs de support (SVM)
• Analyse discriminante linéaire
• Réseaux de neurones

Problématiques de machine learning

• Sur-apprentissage
• Base d’apprentissage et base de test

Validation de modèles

• Erreur quadratique moyenne
• Matrice de confusion et F-score
• Coefficient de Gini
• Courbe ROC et AUC

4 Informations pratiques

Comment ?

• Etude de cas pratiques et réflexion sur la mise en place des méthodologies
• Revue des méthologies statistiques
• Cas pratiques concrets
  • Manipulation des bases de données
  • Construction des algorithmes avec R

Quels sont les pré-requis ?

Aucun en particulier. L’intérêt et l’utilisation des outils numériques sont cependant fortement recommandés.