(in Polish) Uczenie Statystyczne w Naukach Aktuarialnych II

Celem przedmiotu jest zapoznanie studentów z metodami uczenia statystycznego stosowanymi w ubezpieczeniach, w szczególności z drzewami regresyjnymi i sieciami neuronowymi. Przedstawione zostaną metody kalibracji i walidacji predyktorów, wnioskowania i interpretacji wyników metod uczenia maszynowego. Metody analizy danych i uczenia statystycznego zostaną zilustrowane przykładami obliczeniowymi z praktyki aktuarialnej (z obszaru taryfikacji ubezpieczeń).

Przedmiot może stanowić pomoc w przygotowaniu studenta do państwowych egzaminów aktuarialnych.

1. Idea taryfikacji i modele predykcyjne w ubezpieczeniach (2 godz.)

2. Moc predykcyjna modelu i metody cross-validation (4 godz.)

3. Drzewa regresyjne (4godz.)

4. Metody bagging, (2 godz.)

5. Lasy losowe (2 godz.)

6. Metoda boosting (2 godz.)

7. Warianty metody boosting: gradient boosting, XGBoost, LightGBM (4 godz.),

8. Drzewa Poissona i Gamma (2 godz.)

9. Głębokie sieci neuronowe (4 godz.)

10. Dekompozycja Murhy’ego zgodnych funkcji strat (2 godz.)

11. Metody graficzne oceny jakości dopasowania i mocy predykcyjnej modelu: krzywe Lorenza, krzywe koncentracji, współczynnik Giniego, diagram Murphy’ego (2 godz.)

1. “Effective Statistical Learning Methods for Actuaries I I II” - M. Denuit, D. Hainaut, J. Trufin, Springer, 2019 i 2020

2. “Statistical Foundations of Actuarial Learning and its Applications” - M.V. Wuthrich, M. Merz, Springer, 2023

Wiedza: Student:

• zna rodzaje drzew regresyjnych i sieci neuronowych, obszary zastosowań i algorytmy kalibracji predyktorów,

• zna metody oceny i wyboru predyktora,

• potrafi wymienić korzyści z drzew regresyjnych i sieci w praktyce aktuarialnej.

Umiejętności: Student umie:

• zastosować algorytm budowy drzewa regresyjnego i sieci neuronowej oraz przeprowadzić analizę dopasowania predyktora,

• ocenić i wybrać najlepszy predyktor zgodnie z przyjętymi kryteriami ilościowymi i jakościowymi,

• zastosować odpowiedni algorytm do konstrukcji taryfy aktuarialnej.

Kompetencje społeczne: Student:

• wykazuje potrzebę ciągłego poszerzania i pogłębiania zdobytej wiedzy w zakresie metod uczenia statystycznego w aktuariacie, stara się posiadaną już wiedzę i umiejętności konsekwentnie uzupełniać i doskonalić,

• potrafi współdziałać w grupie, uzgadniać z grupą cele i podział zadań, potrafi odpowiednio określić priorytety służące wyborowi odpowiednich metod i modeli analizy.

Dwa sprawdziany pisemne i projekt zaliczeniowy