Science des données pour l'actuariat 1
- Cours (CM) -
- Cours intégrés (CI) 36h
- Travaux dirigés (TD) -
- Travaux pratiques (TP) -
- Travail étudiant (TE) -
Langue de l'enseignement : Français
Niveau de l'enseignement : B2-Avancé - Utilisateur indépendant
Description du contenu de l'enseignement
* Introduction à la programmation python: syntaxe et librairies fondamentales (numpy, pandas)
* Graphique (matplotlib, seaborn), cartographie.
* principes de l'apprentissage : sélection de modèle, cross-validation, sur-apprentissages, biais/variance, early-stoping.
* régression : nettoyage et extension des données, sélection des variables.
* classification binaire, multi-classe, multi-labels, multi-output. Métriques : matrice de confusion, courbe ROC, sensibilité, rappel.
* Modèle linéaire généralisé : normal, gamma, poisson, multinomial.
* Graphique (matplotlib, seaborn), cartographie.
* principes de l'apprentissage : sélection de modèle, cross-validation, sur-apprentissages, biais/variance, early-stoping.
* régression : nettoyage et extension des données, sélection des variables.
* classification binaire, multi-classe, multi-labels, multi-output. Métriques : matrice de confusion, courbe ROC, sensibilité, rappel.
* Modèle linéaire généralisé : normal, gamma, poisson, multinomial.
Pré-requis obligatoires
statistiques élémentaires, notions de programmation
