Statistical Foundations of Actuarial Learning and its Applications

Cập nhật vào: Thứ sáu - 07/07/2023 04:20

Nhan đề chính: Statistical Foundations of Actuarial Learning and its Applications

Nhan đề dịch: Cơ sở thống kê của học thống kê và các ứng dụng của nó

Tác giả: Mario V. Wüthrich

Nhà xuất bản: Springer, Cham

Năm xuất bản: 2023

Số trang: 605 tr.

Ngôn ngữ: Tiếng Anh

ISBN: 978-3-031-12409-9
SpringerLink

Lời giới thiệu: Cuốn sách này thảo luận về mô hình thống kê các vấn đề bảo hiểm, một quy trình bao gồm thu thập dữ liệu, phân tích dữ liệu và xây dựng mô hình thống kê để dự báo các sự kiện được bảo hiểm có thể xảy ra trong tương lai. Nó trình bày các nền tảng toán học đằng sau các khái niệm thống kê cơ bản này và cách chúng có thể được áp dụng trong thực tiễn thống kê hàng ngày. Mô hình thống kê có nhiều ứng dụng và tùy thuộc vào ứng dụng, các khía cạnh lý thuyết có thể được đánh trọng số khác nhau: ở đây trọng tâm chính là dự đoán hơn là giải thích. Bắt đầu với phần trình bày các mô hình thống kê tiên tiến, chẳng hạn như các mô hình tuyến tính tổng quát, sau đó, cuốn sách đi sâu vào các công cụ học máy hiện đại như mạng thần kinh và nhận dạng văn bản để cải thiện mô hình dự đoán với các tính năng phức tạp. Cung cấp cho các học viên hướng dẫn chi tiết về cách áp dụng các phương pháp học máy cho các tập dữ liệu trong thế giới thực và cách diễn giải kết quả mà không làm mất đi các giả định toán học làm cơ sở cho các phương pháp này, cuốn sách có thể đóng vai trò là cơ sở hiện đại cho chuyên gia tính toán giáo trình giáo dục.

Từ khóa: Thống kê. Học máy. Bảo hiểm. Phân tích.

Nội dung cuốn sách gồm những phần sau

Giới thiệu

Gia đình tán sắc mũ

Lý thuyết ước tính

Mô hình dự đoán và đánh giá dự báo

Mô hình tuyến tính tổng quát

Phương pháp Bayesian, chính quy hóa và tối đa hóa kỳ vọng

Học sâu

Mạng thần kinh tái phát

Mạng thần kinh tích chập

Xử lý ngôn ngữ tự nhiên

Các chủ đề được chọn trong học sâu

Phụ lục A: Kết quả kỹ thuật trên mạng

Phụ lục B: Dữ liệu và ví dụ

Statistical Foundations of Actuarial Learning and its Applications

Những tin mới hơn

Những tin cũ hơn