Analyse prédictive et assurance

Cette formation donne 84 points PPC aux membres qualifiés de l’Institut des Actuaires
Dernière mise à jour en janvier 2021

Programme de la formation

Introduction

  • Démystification des mots clés (big data, machine learning, intelligence artificielle)
  • Processus Data Science en assurance
  • Objectifs de machine learning en assurance
  • Processus de la construction d’un algorithme

Pratique en assurance

  • Automatisation des processus de souscription
  • Marketing: conversion, acquisition et rétention
  • Tarification et segmentation tarifaire
  • Analyse des sinistres et prédiction des sinistres graves
  • Détection de fraude
  • Qualité des données
  • Utilisation des données externes (web scraping et open data)

Machine learning

  • Arbre de classification et de régression
  • Gradient boosting
  • Forêt aléatoire
  • Support Vector Machine
  • Régression logistique
  • Réseaux de neurones
  • Détection d’anomalies
  • Analayse en composantes principales
  • K-means

Data Visualisation

  • Tableau de bord
  • Outils de visualisation
  • Exemples de visualisation

 

Une formation de notre expert Kezhan SHI, dont nous vous invitons à découvrir le blog.

Date

27 et 28 mai 2021

Horaires

9h00 - 12h30 et 14h00 - 17h30

Prix
  • 2100 € HT
  • TVA 20%
  • 2520 € TTC
Lieu

ZOOM, En distanciel, via application

Session suivante

25 et 26 novembre 2021

Programme adaptable,
sur-mesure

Notre formateur

Kezhan SHI

Membre certifié de l'IA. Il est diplômé de l'École Centrale Paris et titulaire d'un master en actuariat de l'Université Paris Dauphine. Il a travaillé chez Axa Global Direct et Allianz, avant de rejoindre Capgemini en 2019, au titre de Manager Data Scientist.

Points clés

À qui s’adresse cette formation ?

Aux actuaires et à toute personne qui travaille avec les données en assurance, en banque et finance.

Pour obtenir quoi ?

Une compréhension sur l’application des algorithmes de machine learning en assurance, pour la tarification, la détection de fraudes, le scoring, etc…

Quels objectifs pédagogiques ?

Analyser les besoins métiers.
Présenter les solutions d’intelligence artificielle.
Comprendre les techniques de machine machine et les théories mathématiques.
Maitriser le processus de machine learning.
Développer des produits data science.

Quelles méthodes mobilisées ?

Les apports théoriques sont complétés par des exercices pratiques sous « R » et Rstudio.

Quels sont les prérequis ?

Avoir des bases en assurance.

Quelles modalités d’évaluation ?

Une évaluation des acquis des objectifs sera réalisée durant la formation.

 

Chaque participant se munira d’un ordinateur portable pour les travaux pratiques.

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

Témoignages

  • «Une présentation synthétique, des exercices pratiques avec leur correction. Une bonne pédagogie du formateur. »IP, Actuaire ALM – MALAKOFF MEDERIC
  • «Formation très claire et formateur très compétent. Contenu (présentation + exercices) bien adaptés aux participants. »EG, Directeur adjoint actuariat – COFACE
Inscrivez-vous à notre newsletter

Pour recevoir toutes les dernières informations