Méthodes paramétriques (Introduction aux Modèles Linéaires Généralisés) et non-paramétriques (Arbre de classification et de régression, Boosting, Forêt aléatoire, etc.)
Techniques de réduction de dimension (ACP, ACM, AFDM, etc.)
Compétences à acquérir
Utiliser des méthodes de machine learning dans un contexte actuariel
Modéliser des données actuarielles avec des techniques de machine learning
Mettre en place différentes approches en fonction du contexte actuariel : contraintes d’explicabilité/interprétabilité des modèles (rôle explicatif), contraintes de performances (rôle prédictif)
Améliorer et optimiser la modélisation via quelques techniques classiques