Uniwersytet Warszawski, Wydział Nauk Ekonomicznych - Centralny System Uwierzytelniania
Strona główna

Sztuczna inteligencja w ubezpieczeniach

Informacje ogólne

Kod przedmiotu: 1000-1S22SIU
Kod Erasmus / ISCED: 11.1 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (0541) Matematyka Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Sztuczna inteligencja w ubezpieczeniach
Jednostka: Wydział Matematyki, Informatyki i Mechaniki
Grupy: Seminaria monograficzne dla matematyki 2 stopnia
Punkty ECTS i inne: (brak) Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.

zobacz reguły punktacji
Język prowadzenia: angielski
Rodzaj przedmiotu:

seminaria monograficzne

Założenia (lista przedmiotów):

Statystyka 1000-116bST

Założenia (opisowo):

Wymagamy wiedzy ze statystyki i rachunku prawdopodobieństwa na poziomie studiów I stopnia.

Tryb prowadzenia:

mieszany: w sali i zdalnie
w sali

Skrócony opis:

Seminarium poświęcone jest zastosowaniom narzędzi z obszaru sztucznej inteligencji w ubezpieczeniach.

Pełny opis:

Seminarium poświęcone jest zastosowaniom narzędzi z obszaru sztucznej inteligencji w ubezpieczeniach. Podczas seminarium omówione zostaną następujące zagadnienia:

1. Modelowanie częstości szkód przy zastosowaniu techniki boosting oraz drzew regresyjnych.

2. Praktyczne aspekty stosowania sieci neuronowych w kontekście modelowania częstości szkód.

3. Zagnieżdżanie klasycznych modeli aktuarialnych za pomocą sieci neuronowych.

4. Teoria oraz zastosowania aktuarialne algorytmów AdaBoost i XGBoost

5. Przegląd wybranych algorytmów uczenia nienadzorowanego wraz z zastosowaniami aktuarialnymi

6. Modelowanie ryzyka śmiertelności za pomocą rekurencyjnych sieci neuronowych

7. Przetwarzanie języka naturalnego w zakładach ubezpieczeń.

8. GLM vs. interpretowalne uczenie maszynowe

9. Zastosowanie konwolucyjnych sieci neuronowych do modelowania współczynników śmiertelności i nie tylko.

10. Interpretowalne głębokie uczenie maszynowe w modelowaniu aktuarialnym

Literatura:

Merz, Wuethrich, 'Statistical Foundations of Actuarial Learning and its Applications'

oraz inne pozycje, które zostaną wskazane na pierwszych zajęciach.

Efekty uczenia się:

- zapoznanie się z zastosowaniami metod z obszaru sztucznej inteligencji w kontekście aktuarialnym,

-rozwinięcie technicznych kompetencji implementacji modeli w narzędziach takich jak R lub Python,

-rozwinięcie zdolności „miękkich”, m.in. poznanie żargonu finansowego i ubezpieczeniowego

-rozwinięcie umiejętności prezentacyjnych i komunikacyjnych.

Natomiast nie jest wymagana znajomość a priori zagadnień matematyki ubezpieczeniowej ani finansowej.

Metody i kryteria oceniania:

Ocena seminarium na podstawie wygłoszonych referatów.

Przedmiot nie jest oferowany w żadnym z aktualnych cykli dydaktycznych.
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski, Wydział Nauk Ekonomicznych.
ul. Długa 44/50
00-241 Warszawa
tel: +48 22 55 49 126 https://www.wne.uw.edu.pl/
kontakt deklaracja dostępności USOSweb 7.0.0.0-4 (2023-10-17)