Data Science Challenge 2022
Der Ausschuss Actuarial Data Science möchte Aktuarinnen und Aktuaren dabei unterstützen, sich mehr mit datenwissenschaftlichen Fragen und Methoden des maschinellen Lernens auseinanderzusetzen. Aus diesem Grund findet seit 2020 jährlich eine Data Science Challenge statt.
Thematik der diesjährigen Data Science Challenge 2022 war die aktuelle, anspruchsvolle sowie zunehmend wichtigere Rolle des „Automatisierten Maschinellen Lernens (AutoML)". Die Interpretierbarkeit der Verfahren und Ergebnisse sollte, wie im Vorjahr auch, weiter berücksichtigt werden. Die Teilnehmenden wurden dazu aufgerufen, ein typisches Problem zu identifizieren, denen DAV-Mitglieder und die Versicherungsbranche im Allgemeinen gegenüberstehen und eine passende Lösung zu erarbeiten.
Einsendung der Analysen
Die Einsendung der Unterlagen ist vom 01.06.2022 und einschließlich bis zum 31.08.2022 möglich. Die Teilnahme entsteht durch den Versand der vollständigen Lösungen per Mail an
ads@aktuar.de.
Berücksichtigen Sie bitte die
Teilnahmeregeln sowie die
Tipps und Links aus dem Ausschuss Actuarial Data Science.
Bewertung und Gewinn
Die Bewertung der Analysen erfolgt durch eine vom Ausschuss Actuarial Data Science ernannten Jury, die anhand der Kriterien Originalität (1/3), Zugänglichkeit (1/3) und Relevanz (1/3) blind bewertet, d.h. der Jury wird nicht mitgeteilt, wer die entsprechenden Analysen erstellt hat.
Die Gewinner/-innen werden spätestens am 20. Oktober 2022 benachrichtigt.
Die Teilnehmenden können die folgenden Preise gewinnen:
Einzelwettbewerb: Teilnahme an einer DAA-Veranstaltung von max. 99
Gruppenwettbewerb: jeweils Teilnahme an einer DAA-Websession
Die Preistragenden erhalten zudem die Möglichkeit, ihre Analysen in der Fachgruppe Actuarial Data Science im Rahmen der Herbsttagung vorzustellen. Die Analysen sollen darüber hinaus auf dem GitHub-Account der DAV veröffentlicht werden.
Die Gewinner der Data Science Challenge 2022
Sieger Gruppenteilnahme:
"Python-Notebook zur Erstellung von Schadenhäufigkeitsmodellen"
Die Gewinner lauten:
Herr Dr. Felix Spangenberg
Herr Christian Brunner
Frau Yanyang Zhou
Herr Dirk Wegmann
Herr Andreas Zimmer
In der Jury-Begründung heißt es im Detail: "In diesem Python-Notebook werden auf Basis eines großen französischen Kraftfahrthaftpflichtbestands Schadenhäufigkeitsmodelle mit einem GLM sowie mit Methoden des maschinellen Lernens erstellt (siehe auch R-Notebook ADS-Anwendungsfall 1 der DAV), die Ergebnisse verglichen und am Ende die Interpretierbarkeit der Modelle mit SHAP und PDP-Plots analysiert und bewertet. Für den diesjährigen Schwerpunkt automatisiertes maschinelles Lernen (Auto-ML) werden zusätzlich die vier Werkzeuge TPOT, Auto-Sklearn, H2O und FLAML getestet bzw. verwendet. Dabei werden die Schwierigkeiten, die aktuell auftreten, wenn mit Auto-ML Werkzeugen gängige aktuarielle Methoden wie die Poisson-Fallzahlmodellierung umgesetzt werden, deutlich. Die Analyse ist sehr zugänglich, relevant und in dieser Zusammenstellung neuartig."