Rec. Sess.: Python für Aktuare - Teil 5 Maschinelles Lernen
Inhalt/Übersicht
Beschreibung
Im letzten Teil des Kurses wird eine Einführung in das maschinelle Lernen gegeben, wobei die zuvor erlernten Konzepte und Techniken angewendet werden. Die Teilnehmenden lernen grundlegende Machine-Learning-Modelle kennen und nutzen Scikit-learn, um einfache Modelle für exemplarische Versicherungsanwendungen zu erstellen.
Methodik
Wir nutzen interaktive Jupyter Notebooks für praktische Übungen und direktes Ausprobieren. Damit werden die Teilnehmenden aktiv in das Seminar einbezogen und Gelerntes kann sofort ausprobiert werden.
Inhalte
Einführung in maschinelles Lernen:
Grundlegende Konzepte des maschinellen Lernens
Supervised Learning: Regression und Klassifikation
Unsupervised Learning: Clustering
Nutzung von Scikit-learn:
Datenvorbereitung und Feature Engineering
Training und Evaluierung von Modellen
Kreuzvalidierung und Hyperparameter-Tuning
Praxisbeispiele
Technik
Websession via Zoom.
Es kann entweder eine Online-Code-Umgebung (Google Colab oder kaggle.com, für beides ist ein kostenfreier Account nötig) verwendet werden oder eine lokale Installation von Python mit beliebiger IDE.
Referent
Prof. Dr. Jonas Offtermatt, DHBW Stuttgart, ist Professor für Wirtschaftsinformatik und Ausbilder im Rahmen der CADS-Ausbildung der DAA.
Hinweise/Veranstaltungsspezifische Konditionen
Die Websession wurde bereits durchgeführt. Den Mitschnitt dieser Websession bieten wir Ihnen als recorded session an. Analog zur Originalveranstaltung erhalten Sie die gleiche Anzahl an Weiterbildungsstunden im Anschluss an die abgeschlossene Buchung automatisch Ihrem Konto gutgeschrieben.
Wir weisen darauf hin, dass alle Materialien dem Copyright unterliegen und nicht weitergegeben werden dürfen.
Voraussetzung/Konditionen
Zielgruppe
• Aktuarinnen/Aktuare und Versicherungsfachleute mit fortgeschrittenen Python-Kenntnissen (mind. vergleichbar mit Teil 1 bis 4 der 5-teiligen Reihe)
• Interessierte an Datenanalyse im Versicherungswesen
Veranstaltungsdetails
Dozierende: Jonas Offtermatt
Verfügbarkeit
Max. Teilnehmer: 195 Personen
Verfügbarkeit: ausreichend freie Plätze
Daten
Freitag, 31.10.2025
