Maschinelles Lernen

Montag, 26. Juni 2017

Informieren Sie sich über ein Teilgebiet der Informatik, welches sich mit Methoden zur automatischen Erkennung von Mustern in Daten befasst.

 

Über den Event

Mit Machine Learning bezeichnet man ein Teilgebiet der Informatik, welches sich mit Methoden zur automatischen Erkennung von Mustern in Daten befasst. Ziel ist es, auf Basis dieser Muster Prognosen für zukünftige Entwicklungen oder Grundlagen für Entscheidungen unter Unsicherheit abzuleiten.

In letzter Zeit wird Machine Learning in zunehmendem Mass auch auf Problemstellungen aus dem Versicherungsbereich angewendet. Dabei sind die Einsatzmöglichkeiten sehr vielfältig. So gibt es etwa Anwendungen in der Tarifierung von Risiken, in der Reservierung, oder bei der Überprüfung biometrischer Grundlagen.

Ziel der Veranstaltung ist es, eine Einführung in das Gebiet Machine Learning zu geben und ein Grundverständnis für wesentliche Methoden zu vermitteln. Dabei stützen wir uns auf zwei konkrete Anwendungen aus dem Bereich Life & Health, welche einerseits die verwendeten Techniken veranschaulichen und andererseits einen Ausblick auf weitere Einsatzmöglichkeiten eröffnen:


Analyse von Sterblichkeitsmodellen

Philippe Deprez (DEPREZ Experten)
Heutzutage gibt es eine Reihe verschiedener Modelle zur Beschreibung von Todesfallwahrscheinlichkeiten, wie etwa das bekannte Lee-Carter-Modell. Ziel ist es aufzuzeigen, wie sich die Qualität solcher Sterblichkeitsmodelle mit Hilfe sogenannter Regressionsbäume (Regression Trees) analysieren lässt. Darüber hinaus wird erläutert, wie Machine Learning zu einer Differenzierung von Sterblichkeitsmodellen nach Todesursachen genutzt werden kann.


Entscheidungshilfen zur Optimierung der Behandlung von MS-Patienten

Elisabeth Stühler, Sarah Grimm und Philip van Hövell 
(PwC Digital Services)

Oft ist es nicht sofort möglich, für Patienten mit komplexem Krankheitsbild, wie zum Beispiel dem der Multiplen Sklerose (MS), die beste Therapie zu finden, was unter anderem den Krankenversicherern zusätzliche Kosten verursacht. Die Wahl einer geeigneten Behandlung hängt von mehreren Patientencharakteristiken, wie etwa dem Alter oder der Dauer der Erkrankung, ab. Mit Hilfe von GLMs (Generalised Linear Models) kann anhand dieser Einflussgrössen der individuelle weitere Krankheitsverlauf unter dem Einfluss verschiedener Therapien modelliert werden. Die Anpassung der Koeffizienten erfolgt mittels Machine Learning. Auf Basis dieser Parameter lässt sich eine Empfehlung für eine möglichst erfolgreiche Behandlung geben.

 

 

 

 


Daten:

Montag, 26. Juni 2017
15.30 - 18.30 Uhr
anschliessend Apéro

Au Premier
Bahnhofplatz 15
8001 Zürich

Raum: Les Trouvailles



Programm:

Laden Sie hier das Programm herunter.

 

 

Kosten:

Die Teilnahme ist kostenlos. Wir berücksichtigen Anmeldungen in der Reihenfolge des Eintreffens und bestätigen Ihre Teilnahme. 

Folge uns