DATA SCIENCE SEMINAR - Data Storage, Data Analytics and machine learning
Den Norske Aktuarforening (DNA) inviterer til seminar i mai
Data Science komiteen i Den Norske Aktuarforening (DNA) inviterer til seminar om Data Storage, Data Analytics and machine learning.
Det er første gang foreningen arrangerer et seminar med fokus på datateknologi og praktisk bruk av maskinlæring innen forsikringsbransjen.
Den første delen, før lunsj, har vi fått Alexandra Diem fra Gjensidige Forsikring til å fortelle om hvordan aktuarer, data scientists og analytikere bruker data og innsikt fra skyløsninger i sin arbeidshverdag. Alexandra vil også dele erfaringer med bruk av Python og SQL gjennom «data analytics» plattformen Databricks.
I den andre delen, etter lunsj, vil Kjersti Aas og Martin Jullum dra oss igjennom ulike aspekter ved bruk av GLM modeller sammenlignet med kjente maskinlæringsmodeller som benyttes i bransjen i dag. De vil blant annet gå igjennom teorien bak XGBoost og forklarbar AI.
Vi ønsker deg hjertelig velkommen til dette seminaret og håper det vil gi deg masse faglig påfyll.
|
09:00 – 09:10 |
Velkommen Jimmy Paul, leder i Data Science komiteen |
||
|
09:15 – 10:15 |
DataOps for aktuarer – erfaringer og beste praksis
Vi går igjennom verktøy og beste praksis for DataOps ved bruk av moderne skyteknologi med konkrete erfaringer fra Gjensidiges løsning for IBNR beregningen. Prinsippene bak DataOps lånes fra moderne softwareutvikling og beskriver prosessen bak automatisering, kontinuerlig leveranse, kvalitetssikring og samarbeid i utvikling av ende-til-ende løsninger med målet om å gjøre videreutvikling så lett og robust mot feil som mulig Alexandra Diem, Gjensidige Forsikring |
||
|
10:15 – 10:30 |
Pause |
||
|
10:30 – 11:00 |
Forts. DataOps for aktuarer – erfaringer og beste praksis
Vi går igjennom verktøy og beste praksis for DataOps ved bruk av moderne skyteknologi med konkrete erfaringer fra Gjensidiges løsning for IBNR beregningen. Prinsippene bak DataOps lånes fra moderne softwareutvikling og beskriver prosessen bak automatisering, kontinuerlig leveranse, kvalitetssikring og samarbeid i utvikling av ende-til-ende løsninger med målet om å gjøre videreutvikling så lett og robust mot feil som mulig
Alexandra Diem, Gjensidige Forsikring |
||
|
11:00 – 12:15 |
Lunsj – Tavernan @ Youngstorget 1 |
||
|
12:15 – 13:15 |
Statistiske modeller versus maskinlæringsmetoder
Vi starter med å se litt på fordelene og ulempene med klassiske statistiske modelleringsmetoder som GLM og GAM. Vi tar så steget videre til maskinlæringsalternativer som dyp læring, random forest og tre-boostingsmetoder. Vi ser spesielt nøyere på den populære tre-boostingsmetoden XGBoost. Vi vil også komme innom praktiske vurderinger rundt kost-nytte når det gjelder monotonitet, diskontinuitet, hyperparametertuning og kjøretid. Kjersti Aas og Martin Jullum, Norsk Regnesentral |
||
|
13:15 – 13:40 |
Pause |
||
|
13:40 – 14:55 |
Statistiske modeller versus maskinlæringsmetoder
Den siste delen omhandler forklarbar AI, der vi blant annet snakker om Shapley verdier og viktigheten av å hensynta avhengighet. Vi vil også gi en kort introduksjon til Explainable Boosting Machine.
Kjersti Aas og Martin Jullum, Norsk Regnesentral |
||
|
14:55 – 15:00 |
Avslutning |
||
Seminaret gir 7 poeng for internasjonalt godkjent aktuar.
Påmelding
Påmelding er bindende og gjøres på aktuarforeningens hjemmeside:
www.aktfor.no senest 8. mai 2024.
Ved spørsmål kontakt admin@aktfor.no
Det tas forbehold om endringer i programmet.
Alexandra Diem (github.com/alexdiem)
Head of Cloud Analytics & MLOps @ Gjensidige Forsikring
I'm a former academic turned data scientist with a passion for data mesh architectures.
🔬 Background in applied mathematics and statistics, adept at leveraging data-driven insights to solve complex problems. Experienced in diverse domains spanning the private and public sectors.
🧠 Made significant contributions to research in physiological modeling, successfully debunking a leading biomedical hypothesis on Alzheimer's disease during my PhD. Developed innovative approaches to quantify blood supply to the heart.
💡 Solution-oriented thinker with a track record of efficiently tackling challenging problems and adapting to novel scenarios.
⚙️ Expertise: Team Leadership • Data Platform • MLOps • Data Mesh • Artificial Intelligence (AI)
In my spare time, you'll find me exploring the great outdoors—whether it's pedaling through scenic landscapes on a bike or riding down the slopes on a pair of skis.
Kjersti Aas
Kjersti Aas er forskningssjef på Norsk Regnesentral (NR), der hun har ansvaret for NRs aktiviteter innenfor finans og forsikring. Kjersti er sivilingeniør i Industriell Matematikk fra NTH og har en dr.grad i "Statististiske metoder for finansiell risikostyring" fra samme sted.
Hun har vært prosjektleder for mer enn 150 kundeprosjekter i grensesnittet mellom statistikk/maskinlæring og finans/forsikring. Ved siden av stillingen på NR har Kjersti for tiden styreverv i Trondheim Kommunale Pensjonskasse.
Tidligere har hun hatt styreverv i MP Pensjon og professorer II-stillinger ved Matematisk Institutt på UiB og ved Institutt for Matematiske fag ved NTNU.
Martin Jullum
Martin Jullum er seniorforsker ved Norsk Regnesentral og har en doktorgrad i matematisk statistikk fra Universitetet i Oslo. Han har betydelig erfaring med utvikling av maskinlæringsmodeller og metoder innen et bredt spekter av anvendelsesområder, med spesiell vekt på bank og forsikring.
De siste årene har hans primære forskningsfokus vært innenfor forklarbar kunstig intelligens (Explainable AI - XAI).
Innen dette feltet har han særlig arbeidet med Shapley-verdier og kontrafaktiske forklaringer, og han er blant annet ansvarlig for utviklingen av R-pakken shapr.
Sted
Hammersborggata 9, 0181 Oslo, Norge