SlideShare une entreprise Scribd logo
1  sur  2
Formation Actuaire Data Scientist 
CONTENU ET OBJECTIFS 
L’activité des actuaires est directement concernée par l’impact de la révolution numérique et du 
développement des données massives sur les différents niveaux de la chaîne de valeur des métiers de 
l’assurance. 
La formation « Actuaire Data Scientist », spécifiquement destinée aux actuaires, vise à compléter les 
formations en actuariat (initiales et continues) par une formation opérationnelle en extraction, 
gestion et analyse des données massives et hétérogènes. 
L’objectif est de fournir aux actuaires un socle de connaissances techniques en informatique et 
machine learning, leur permettant d’aborder de façon opérationnelle les problématiques liées aux 
nouveaux usages du numérique et à la nouvelle typologie des données (diversité, volumétrie, 
traitement online), ainsi qu’aux méthodes statistiques afférentes (algorithmes, approche data driven, 
apprentissage statistique, identification de sur-apprentissage, robustesse des méthodes). 
La formation inscrit ces aspects techniques dans leur cadre juridique et déontologique, encore très 
évolutif, mais déterminant pour les actuaires. 
Elle s’intéresse également aux enjeux économiques: valeur client, tarification personnalisée, 
marketing et distribution ciblée, identification statistique de fraude, prévention et calcul de risque, 
évaluation affinée de provisions et gestion actif/passif, stratégie alternative d’investissement. 
Le socle de connaissances théoriques est précédé d’une immersion dans le monde des data grâce 
notamment à des exemples de concours d’algorithmes Kaggle dans le domaine de l’assurance. Les 
cours sont étayés d'exemples concrets pris dans des domaines où les techniques d'apprentissage 
statistique appliquées à des données numériques massives ont déjà montré leur efficacité: 
biostatistique, gestion des enchères publicitaires sur internet, détection de fraudes, données haute 
fréquence en finance, fiabilité pharmaceutique, gestion d'actif alternative, etc.. 
La formation comporte la réalisation d’un projet sur un sujet actuariel, portant sur des données 
open source ou de son environnement professionnel (modélisation de rachat, pay how you drive, 
segmentation d'assuré par profil de risque, tarification personnalisée, objets connectés, etc..). Ce 
projet permet de mettre en oeuvre les méthodes enseignées, sous le tutorat d'un membre du corps 
professoral de la formation. 
A l’issue de sa formation, l’actuaire Data Scientist sera apte à : 
- mettre en place informatiquement les méthodes statistiques en Python (ou R), 
- mesurer l'efficacité d'un algorithme (complexité, gestion de la mémoire..) et envisager le 
calcul parallèle, 
- prendre des décisions sur le stockage de données dans une compagnie d'assurance, 
- mettre en oeuvre des méthodes avancées online ou offline. 
- proposer des outils de reporting et de visualisation afin de synthétiser l'information. 
Dans le cadre des ses fonctions, ces compétences acquises lui permettront notamment de travailler 
en équipe et de façon créative avec les fonctions informatiques et marketing pour assurer l’efficacité 
et la solvabilité de nouvelles offres et de nouvelles méthodes de distribution.
POINTS FORTS DE LA FORMATION « ACTUAIRE DATA SCIENTIST » 
1- un Comité Scientifique de haut niveau, composé de dirigeants d’entreprises et 
d’universitaires experts, qui supervise et oriente la formation pour 
- un programme pédagogique adapté aux besoins des entreprises des secteurs de 
l’assurance et de gestion des risques 
- une garantie de qualité du niveau du contenu pédagogique 
- une veille technologique bénéficiant de l’expérience acquise dans des secteurs ou des 
pays plus avancés dans le domaine de l’exploitation des données massives 
2- un Comité de Direction des études à triple compétence : actuariat, mathématiques, et 
informatique, permettant d’élargir le domaine des compétences actuarielles dans le domaine 
de l’informatique et créant une synergie entre monde universitaire et monde de l’entreprise 
3- le parrainage de l’Institut des Actuaires

Contenu connexe

Similaire à Big data fiche data science 15 09 14

Master 2 Maserati 13
Master 2 Maserati 13Master 2 Maserati 13
Master 2 Maserati 13
ahdarf
 

Similaire à Big data fiche data science 15 09 14 (20)

Etude Apec - Les métiers de la data
Etude Apec - Les métiers de la dataEtude Apec - Les métiers de la data
Etude Apec - Les métiers de la data
 
ANSSI D2IE Formation à la cybersécurité des TPE / PME
ANSSI D2IE Formation à la cybersécurité des TPE / PMEANSSI D2IE Formation à la cybersécurité des TPE / PME
ANSSI D2IE Formation à la cybersécurité des TPE / PME
 
Sécurité de l’information et gouvernance
Sécurité de l’information et gouvernanceSécurité de l’information et gouvernance
Sécurité de l’information et gouvernance
 
Plaquette mastère sciences des données
Plaquette mastère sciences des donnéesPlaquette mastère sciences des données
Plaquette mastère sciences des données
 
Plaquette mastère sciences des données
Plaquette mastère sciences des donnéesPlaquette mastère sciences des données
Plaquette mastère sciences des données
 
Mastere Specialise Intelligence Artificielle
Mastere Specialise Intelligence ArtificielleMastere Specialise Intelligence Artificielle
Mastere Specialise Intelligence Artificielle
 
Master 2 Maserati 13
Master 2 Maserati 13Master 2 Maserati 13
Master 2 Maserati 13
 
Presentation Actuelia cabient de conseil en actuariat
Presentation Actuelia cabient de conseil en actuariatPresentation Actuelia cabient de conseil en actuariat
Presentation Actuelia cabient de conseil en actuariat
 
Le Big Data dans la Banque et l'Assurance
Le Big Data dans la Banque et l'AssuranceLe Big Data dans la Banque et l'Assurance
Le Big Data dans la Banque et l'Assurance
 
Stages Santeos - Wordline Santé 2018-2019
Stages Santeos - Wordline Santé 2018-2019Stages Santeos - Wordline Santé 2018-2019
Stages Santeos - Wordline Santé 2018-2019
 
Science des Donnees Intelligence Artificielle
Science des Donnees Intelligence ArtificielleScience des Donnees Intelligence Artificielle
Science des Donnees Intelligence Artificielle
 
Projet structure organisationnelle
Projet structure organisationnelleProjet structure organisationnelle
Projet structure organisationnelle
 
Banques et Assurances : Comment lutter avec une plus grande efficacite contre...
Banques et Assurances : Comment lutter avec une plus grande efficacite contre...Banques et Assurances : Comment lutter avec une plus grande efficacite contre...
Banques et Assurances : Comment lutter avec une plus grande efficacite contre...
 
Les métiers du digital-APEC
Les métiers du digital-APECLes métiers du digital-APEC
Les métiers du digital-APEC
 
Marketing digital : des métiers cadres en constante mutation
Marketing digital : des métiers cadres en constante mutationMarketing digital : des métiers cadres en constante mutation
Marketing digital : des métiers cadres en constante mutation
 
Etude Apec - Référentiel des métiers du marketing digital
Etude Apec - Référentiel des métiers du marketing digitalEtude Apec - Référentiel des métiers du marketing digital
Etude Apec - Référentiel des métiers du marketing digital
 
Métiers du marketing digital apec juillet 2015
Métiers du marketing digital apec juillet 2015Métiers du marketing digital apec juillet 2015
Métiers du marketing digital apec juillet 2015
 
Les metiers du marketing numerique
Les metiers du marketing numeriqueLes metiers du marketing numerique
Les metiers du marketing numerique
 
Référentiel des métiers du marketing digital
Référentiel des métiers du marketing digitalRéférentiel des métiers du marketing digital
Référentiel des métiers du marketing digital
 
Master en Management de la Sécurité des Systèmes d'Information (MSSI) - Brochure
Master en Management de la Sécurité des Systèmes d'Information (MSSI) - BrochureMaster en Management de la Sécurité des Systèmes d'Information (MSSI) - Brochure
Master en Management de la Sécurité des Systèmes d'Information (MSSI) - Brochure
 

Plus de Kezhan SHI

B -technical_specification_for_the_preparatory_phase__part_ii_
B  -technical_specification_for_the_preparatory_phase__part_ii_B  -technical_specification_for_the_preparatory_phase__part_ii_
B -technical_specification_for_the_preparatory_phase__part_ii_
Kezhan SHI
 
A -technical_specification_for_the_preparatory_phase__part_i_
A  -technical_specification_for_the_preparatory_phase__part_i_A  -technical_specification_for_the_preparatory_phase__part_i_
A -technical_specification_for_the_preparatory_phase__part_i_
Kezhan SHI
 
20140806 traduction hypotheses_sous-jacentes_formule_standard
20140806 traduction hypotheses_sous-jacentes_formule_standard20140806 traduction hypotheses_sous-jacentes_formule_standard
20140806 traduction hypotheses_sous-jacentes_formule_standard
Kezhan SHI
 
20140613 focus-specifications-techniques-2014
20140613 focus-specifications-techniques-201420140613 focus-specifications-techniques-2014
20140613 focus-specifications-techniques-2014
Kezhan SHI
 
20140516 traduction spec_tech_eiopa_2014_bilan
20140516 traduction spec_tech_eiopa_2014_bilan20140516 traduction spec_tech_eiopa_2014_bilan
20140516 traduction spec_tech_eiopa_2014_bilan
Kezhan SHI
 
C -annexes_to_technical_specification_for_the_preparatory_phase__part_i_
C  -annexes_to_technical_specification_for_the_preparatory_phase__part_i_C  -annexes_to_technical_specification_for_the_preparatory_phase__part_i_
C -annexes_to_technical_specification_for_the_preparatory_phase__part_i_
Kezhan SHI
 

Plus de Kezhan SHI (20)

Big data ads gouvernance ads v2[
Big data ads   gouvernance ads v2[Big data ads   gouvernance ads v2[
Big data ads gouvernance ads v2[
 
Big data f prez formation_datascience_14-sept
Big data f prez formation_datascience_14-septBig data f prez formation_datascience_14-sept
Big data f prez formation_datascience_14-sept
 
B -technical_specification_for_the_preparatory_phase__part_ii_
B  -technical_specification_for_the_preparatory_phase__part_ii_B  -technical_specification_for_the_preparatory_phase__part_ii_
B -technical_specification_for_the_preparatory_phase__part_ii_
 
A -technical_specification_for_the_preparatory_phase__part_i_
A  -technical_specification_for_the_preparatory_phase__part_i_A  -technical_specification_for_the_preparatory_phase__part_i_
A -technical_specification_for_the_preparatory_phase__part_i_
 
20140806 traduction hypotheses_sous-jacentes_formule_standard
20140806 traduction hypotheses_sous-jacentes_formule_standard20140806 traduction hypotheses_sous-jacentes_formule_standard
20140806 traduction hypotheses_sous-jacentes_formule_standard
 
20140613 focus-specifications-techniques-2014
20140613 focus-specifications-techniques-201420140613 focus-specifications-techniques-2014
20140613 focus-specifications-techniques-2014
 
20140516 traduction spec_tech_eiopa_2014_bilan
20140516 traduction spec_tech_eiopa_2014_bilan20140516 traduction spec_tech_eiopa_2014_bilan
20140516 traduction spec_tech_eiopa_2014_bilan
 
C -annexes_to_technical_specification_for_the_preparatory_phase__part_i_
C  -annexes_to_technical_specification_for_the_preparatory_phase__part_i_C  -annexes_to_technical_specification_for_the_preparatory_phase__part_i_
C -annexes_to_technical_specification_for_the_preparatory_phase__part_i_
 
Qis5 technical specifications-20100706
Qis5 technical specifications-20100706Qis5 technical specifications-20100706
Qis5 technical specifications-20100706
 
Directive solvabilité 2
Directive solvabilité 2Directive solvabilité 2
Directive solvabilité 2
 
Directive omnibus 2
Directive omnibus 2Directive omnibus 2
Directive omnibus 2
 
Tableau de comparaison bilan S1 et bilan S2
Tableau de comparaison bilan S1 et bilan S2Tableau de comparaison bilan S1 et bilan S2
Tableau de comparaison bilan S1 et bilan S2
 
Optimal discretization of hedging strategies rosenbaum
Optimal discretization of hedging strategies   rosenbaumOptimal discretization of hedging strategies   rosenbaum
Optimal discretization of hedging strategies rosenbaum
 
Machine learning pour les données massives algorithmes randomis´es, en ligne ...
Machine learning pour les données massives algorithmes randomis´es, en ligne ...Machine learning pour les données massives algorithmes randomis´es, en ligne ...
Machine learning pour les données massives algorithmes randomis´es, en ligne ...
 
Détection de profils, application en santé et en économétrie geissler
Détection de profils, application en santé et en économétrie   geisslerDétection de profils, application en santé et en économétrie   geissler
Détection de profils, application en santé et en économétrie geissler
 
Loi hamon sébastien bachellier
Loi hamon sébastien bachellierLoi hamon sébastien bachellier
Loi hamon sébastien bachellier
 
Eurocroissance arnaud cohen
Eurocroissance arnaud cohenEurocroissance arnaud cohen
Eurocroissance arnaud cohen
 
From data and information to knowledge : the web of tomorrow - Serge abitboul...
From data and information to knowledge : the web of tomorrow - Serge abitboul...From data and information to knowledge : the web of tomorrow - Serge abitboul...
From data and information to knowledge : the web of tomorrow - Serge abitboul...
 
Arbres de régression et modèles de durée
Arbres de régression et modèles de duréeArbres de régression et modèles de durée
Arbres de régression et modèles de durée
 
Big data analytics focus technique et nouvelles perspectives pour les actuaires
Big data analytics focus technique et nouvelles perspectives pour les actuairesBig data analytics focus technique et nouvelles perspectives pour les actuaires
Big data analytics focus technique et nouvelles perspectives pour les actuaires
 

Big data fiche data science 15 09 14

  • 1. Formation Actuaire Data Scientist CONTENU ET OBJECTIFS L’activité des actuaires est directement concernée par l’impact de la révolution numérique et du développement des données massives sur les différents niveaux de la chaîne de valeur des métiers de l’assurance. La formation « Actuaire Data Scientist », spécifiquement destinée aux actuaires, vise à compléter les formations en actuariat (initiales et continues) par une formation opérationnelle en extraction, gestion et analyse des données massives et hétérogènes. L’objectif est de fournir aux actuaires un socle de connaissances techniques en informatique et machine learning, leur permettant d’aborder de façon opérationnelle les problématiques liées aux nouveaux usages du numérique et à la nouvelle typologie des données (diversité, volumétrie, traitement online), ainsi qu’aux méthodes statistiques afférentes (algorithmes, approche data driven, apprentissage statistique, identification de sur-apprentissage, robustesse des méthodes). La formation inscrit ces aspects techniques dans leur cadre juridique et déontologique, encore très évolutif, mais déterminant pour les actuaires. Elle s’intéresse également aux enjeux économiques: valeur client, tarification personnalisée, marketing et distribution ciblée, identification statistique de fraude, prévention et calcul de risque, évaluation affinée de provisions et gestion actif/passif, stratégie alternative d’investissement. Le socle de connaissances théoriques est précédé d’une immersion dans le monde des data grâce notamment à des exemples de concours d’algorithmes Kaggle dans le domaine de l’assurance. Les cours sont étayés d'exemples concrets pris dans des domaines où les techniques d'apprentissage statistique appliquées à des données numériques massives ont déjà montré leur efficacité: biostatistique, gestion des enchères publicitaires sur internet, détection de fraudes, données haute fréquence en finance, fiabilité pharmaceutique, gestion d'actif alternative, etc.. La formation comporte la réalisation d’un projet sur un sujet actuariel, portant sur des données open source ou de son environnement professionnel (modélisation de rachat, pay how you drive, segmentation d'assuré par profil de risque, tarification personnalisée, objets connectés, etc..). Ce projet permet de mettre en oeuvre les méthodes enseignées, sous le tutorat d'un membre du corps professoral de la formation. A l’issue de sa formation, l’actuaire Data Scientist sera apte à : - mettre en place informatiquement les méthodes statistiques en Python (ou R), - mesurer l'efficacité d'un algorithme (complexité, gestion de la mémoire..) et envisager le calcul parallèle, - prendre des décisions sur le stockage de données dans une compagnie d'assurance, - mettre en oeuvre des méthodes avancées online ou offline. - proposer des outils de reporting et de visualisation afin de synthétiser l'information. Dans le cadre des ses fonctions, ces compétences acquises lui permettront notamment de travailler en équipe et de façon créative avec les fonctions informatiques et marketing pour assurer l’efficacité et la solvabilité de nouvelles offres et de nouvelles méthodes de distribution.
  • 2. POINTS FORTS DE LA FORMATION « ACTUAIRE DATA SCIENTIST » 1- un Comité Scientifique de haut niveau, composé de dirigeants d’entreprises et d’universitaires experts, qui supervise et oriente la formation pour - un programme pédagogique adapté aux besoins des entreprises des secteurs de l’assurance et de gestion des risques - une garantie de qualité du niveau du contenu pédagogique - une veille technologique bénéficiant de l’expérience acquise dans des secteurs ou des pays plus avancés dans le domaine de l’exploitation des données massives 2- un Comité de Direction des études à triple compétence : actuariat, mathématiques, et informatique, permettant d’élargir le domaine des compétences actuarielles dans le domaine de l’informatique et créant une synergie entre monde universitaire et monde de l’entreprise 3- le parrainage de l’Institut des Actuaires