1 Introduction . -- 2 Exponential Dispersion Family. -- 3 Estimation Theory . -- 4 Predictive Modeling and Forecast Evaluation. -- 5 Generalized Linear Models. -- 6 Bayesian Methods, Regularization
and Expectation-Maximization. -- 7 Deep Learning . -- 8 Recurrent Neural Networks. -- 9 Convolutional Neural Networks. -- 10 Natural Language Processing. -- 11 Selected Topics in Deep Learning. -- 12 Appendix A: Technical Results on Networks. -- 13 Appendix B: Data and Examples.

This open access book discusses the statistical modeling of insurance problems, a process which comprises data collection, data analysis and statistical model building to forecast insured events that may happen in the future. It presents the mathematical foundations behind these fundamental statistical concepts and how they can be applied in daily actuarial practice.

Statistical modeling has a wide range of applications, and, depending on the application, the theoretical aspects may be weighted differently: here the main focus is on prediction rather than explanation. Starting with a presentation of state-of-the-art actuarial models, such as generalized linear models, the book then dives into modern machine learning tools such as neural networks and text recognition to improve predictive modeling with complex features.
Providing practitioners with detailed guidance on how to apply machine learning methods to real-world data sets, and how to interpret the results without losing sight of the mathematical assumptions on which these methods are based, the book can serve as a modern basis for an actuarial education syllabus.

Este libro de acceso abierto analiza el modelado estadístico de problemas de seguros, un proceso que comprende la recopilación de datos, el análisis de datos y la construcción de modelos estadísticos para pronosticar eventos asegurados que pueden ocurrir en el futuro. Presenta los fundamentos matemáticos detrás de estos conceptos estadísticos fundamentales y cómo se pueden aplicar en la práctica actuarial diaria.

El modelado estadístico tiene una amplia gama de aplicaciones y, dependiendo de la aplicación, los aspectos teóricos pueden ponderarse de manera diferente: aquí el enfoque principal está en la predicción más que en la explicación. Comenzando con una presentación de modelos actuariales de última generación, como los modelos lineales generalizados, el libro profundiza en herramientas modernas de aprendizaje automático, como redes neuronales y reconocimiento de texto, para mejorar el modelado predictivo con características complejas.
Al proporcionar a los profesionales una guía detallada sobre cómo aplicar métodos de aprendizaje automático a conjuntos de datos del mundo real y cómo interpretar los resultados sin perder de vista los supuestos matemáticos en los que se basan estos métodos, el libro puede servir como una base moderna para una evaluación actuarial. plan de estudios de educación.

Este libro es de acceso abierto, lo que significa que tienes acceso gratuito e ilimitado.
Combina de forma única el modelado estadístico clásico con métodos modernos de aprendizaje automático.
Analiza el estado del arte en modelos predictivos para el trabajo actuarial.
Proporciona herramientas estadísticas y de aprendizaje automático con un enfoque en aplicaciones actuariales y sus características especiales.