MCMC vs. Variational Inference fuer Versicherungs-Schadenmodell
Übersicht
Worum es bei diesem Projekt geht.
Du erhaeltst 5 Jahre anonymisierter Hausrat-Schadendaten (rund 280.000 Vertraege, rund 22.000 Schadenfaelle) plus die bestehende Modellspezifikation: hierarchisches Tweedie-GLM mit zufaelligem Effekt pro Postleitzahl. Implementiere das Modell sowohl mit HMC/NUTS als Goldstandard als auch mit Automatic Differentiation Variational Inference (ADVI). Bewerte: (1) Posterior-Mittel und 90-Prozent-Quantile pro Parameter, (2) Out-of-Sample-Vorhersagekalibrierung (CRPS), (3) Wall-Clock-Zeit. Liefere die Pipeline plus eine 3-seitige Empfehlung, ob VI als Produktionsverfahren tragfaehig ist.
Das Briefing
Was Du tust und was Du zeigst.
Vergleiche MCMC und Variational Inference auf einem hierarchischen Versicherungs-GLM hinsichtlich Posterior-Treue, Kalibrierung und Laufzeit.
Earning criteria — what you'll demonstrate
- Variational Inference (ADVI) als skalierbare Alternative zu MCMC kennen und einsetzen
- Posterior-Treue zwischen exakter und approximativer Inferenz quantitativ vergleichen
- Inferenz-Trade-offs in produktionsnahen Pipelines verantwortlich treffen
- Aktuariat-relevante Risikomessungen (Kalibrierung, Quantile) berichten
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenData Scientist
Bayessche Modelle in Versicherungs- und Bankenkontexten verantwortlich auszuwerten und Inferenz-Trade-offs zu argumentieren ist eine seltene und gut bezahlte Faehigkeit fuer Data Scientists.
Dieses Projekt schärft
- bayesian-inference
- hierarchical-models
- model-evaluation
Applied AI Scientist
MCMC und VI gegeneinander zu validieren und einer Aktuariatsleitung als Produktentscheidung aufzubereiten ist Kerngebiet angewandter KI-Wissenschaft.
Dieses Projekt schärft
- mcmc
- variational-inference
- hierarchical-models
ML Researcher
Inferenzverfahren methodisch zu vergleichen und Limitationen ehrlich zu berichten gehoert zur Forschungs-Sorgfalt eines ML Researchers in industriellen Forschungsgruppen.
Dieses Projekt schärft
- mcmc
- variational-inference
- model-evaluation
Noch eine Sache