Machine learning et intelligence artificielle

Cette formation donne 84 points PPC aux membres qualifiés de l’Institut des Actuaires
Dernière mise à jour en novembre 2022

Programme de la formation

Introduction

  • Démystification des mots clés (big data, machine learning, iIA)
  • Processus de la construction d’un algorithme

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

Data Visualisation

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

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
Date
23 et 24 novembre 2023
Inscription possible jusqu'à la veille de la formation 16h (hors weekend et jour férié)
Horaires

9h00 - 12h30 et 14h00 - 17h30

Prix
  • 2300 € HT
  • TVA 20%
  • 2760 € TTC
Lieu

CARITAT, 5 rue Tronchet 75008 PARIS

Session suivante

En 2024

Programme adaptable,
sur-mesure

Notre formateur

Kezhan SHI

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 Diot Siaci en 2022, au titre de Responsable du Data Lab.

Points clés

À qui s’adresse cette formation ?

À ceux qui doivent comprendre les principes du Machine Learning. Aux managers et opérationnels qui mettent en place des algorithmes et communiquent les résultats.

Pour obtenir quoi ?

Une compréhension globale du fonctionnement des algorithmes. Des compétences pour superviser les projets qui peuvent impliquer les algorithmes.

Quels objectifs pédagogiques ?

Maîtriser R pour la manipulation des données et le machine learning.

Présenter les résultats des modèles prédictifs.

Développer les capacités à interpréter le fonctionnement des modèles.

Renforcer la compréhension des modèles grâce à la visualisation.

Quelles méthodes mobilisées ?

Des exemples pratiques animeront chaque étape de la formation.

Quels sont les prérequis ?

Bases mathématiques en algèbre linéaire, calcul différentiel et statistiques. Une bonne connaissance de R et RStudio

Quelles modalités d’évaluation ?

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

Inscrivez-vous à notre newsletter

Pour recevoir toutes les dernières informations