Objectifs
Comprendre les fondements des méthodes d'apprentissage statistique supervisées et non- supervisées sous un angle actuariel. Applications de différentes méthodes pour l'analyse de données actuarielles à l'aide d'un langage de programmation comme R ou SAS. Applications actuarielles typiques en assurance-vie, assurance IARD, assurance collective, régimes de retraite ainsi qu'en finance.
Sommaire du contenu
Exploration de données, validation et vérifications; Méthodes d'apprentissage statistique supervisées et non-supervisées; Analyse aux composantes principales; Arbres de décision et de classification; Groupement et partitionnement de données (cluster analysis); Analyse de données temporelles;
Le cours est une composante de l'examen Statistics for Risk Modeling de la Society of Actuaries et de l'examen Modern Actuarial Statistics II de la Casualty Actuarial Society.
Préalables académiques
[STT5100 Modèles linéaires appliqués] ou [STT2120 Régression]
