Descripción: Curso intensivo que combina fundamentos estadísticos y herramientas de machine learning aplicadas a actuaría, con teoría, práctica y estudios de caso del sector asegurador.
Objetivos:
• Desarrollar una comprensión sólida de regresión clásica, GLMs, boosting, árboles, random forests, redes neuronales y deep learning.
• Integrar principios estadísticos tradicionales con enfoques contemporáneos de aprendizaje automático.
• Aplicar analítica avanzada a decisiones actuariales y casos del sector asegurador.
Dirigido a: Actuarios en ejercicio, estudiantes avanzados y docentes que deseen ampliar sus capacidades en análisis estadístico y machine learning con enfoque actuarial.
Metodología: Sesiones presenciales en bloques de 45 minutos teóricos y 45 minutos de práctica activa; ejercicios con R y Google Colab/Python. Profesores invitados se conectan virtualmente.
Temas:
• Regresión clásica y GLM.
• Boosting, árboles de decisión y random forests.
• Redes neuronales y deep learning.
• Aplicaciones actuariales y consideraciones éticas de IA.
Requisitos: Conocimientos básicos de regresión y manejo básico de R/RStudio. Se espera que los participantes lleven su propio computador.
Incluye: Modelos y scripts prácticos en R y Python, ejercicios, casos reales, invitados internacionales, certificación y networking.
Certificación: Certificado de participación/finalización.