![](https://www.caritat.fr/wp-content/themes/caritat/images/ppc/84.png)
Programme de la formation
Introduction
- Démystification des mots clés (big data, machine learning, iIA)
- Processus de la construction d’un algorithme
Analyse descriptive
- Exploration de la base de données
- Formulation de la problématique
- Choix d’un algorithme
Apprentissage non supervisé
- Analyse en composante principale
- Décomposition en valeurs singulières
- K-means
- Classification hiérarchique
Apprentissage supervisé
- Régressions linéaire, logistique, ridge et lasso
- Classification Bayésienne Naïve
- Arbre de classification
- Machine à vecteurs de support (SVM)
- Analyse discriminante linéaire
- Réseaux de neurones
Problématiques de Machine Learning
- Sur-apprentissage
- Base d’apprentissage et base de test
Validation de modèles
- Erreur quadratique moyenne
- Matrice de confusion et F-score
- Coefficient de Gini
- Courbe ROC et AUC
Data Visualisation
- Tableau de bord
- Outils de visualisation
- Exemples de visualisation
Pratique en assurance
- Automatisation des processus de souscription
- Marketing : conversion, acquisition et rétention
- Tarification et segmentation tarifaire
- Analyse des sinistres et prédiction des sinistres graves
- Détection de fraude
- Qualité des données