L'apprentissage statistique est au cœur de l'actualité lorsque des problématiques de prévision de risque sont en jeu. L’objectif de ce cours est d’aborder les concepts théoriques fondamentaux de célèbres algorithmes utilisés dans ce domaine, en particulier les techniques d’arbre. Plusieurs algorithmes ainsi que leurs extensions seront appliqués dans un cadre de tarification assurantielle ou de provisionnement. Cette UE contribue au développement des compétences : 1- D’exploration de différentes données 2- De Modélisation 3- De projection afin de tester et d’entrainer nos modèles sur différentes données

Temps présentiel : 15 heures

Charge de travail étudiant : 75 heures

Méthode(s) d'évaluation : Examen final, Projets

Référence :
Brett Lanz, Machine Learning, 2013