Mô tả vắn tắt học phần

1. Tên học phần:

Phân tích dữ liệu bảo hiểm

2. Ngôn ngữ giảng dạy:

Tiếng Việt

3. Mã học phần:

M00466

4. Bộ môn phụ trách giảng dạy:

KTLQLNN - Khoa Toán - Thống kê

5. Trình độ:

Đại Học

6. Số tín chỉ:

3

7. Phân bổ thời gian:

  • Đối với hoạt động trên lớp:
  • Lý thuyết: 36 tiết
  • Làm việc nhóm, thảo luận:
  • Đối với hoạt động tại phòng máy tính, phòng mô phỏng, …:
  • Thực hành, làm việc nhóm, thảo luận: 9 tiết
  • Tự nghiên cứu, tự học: 90 tiết
  • Đồ án, Đề án, Dự án
  • Thực tập

8. Tính chất học phần:

Tự chọn

9. Ngành áp dụng:

CTĐT Toán tài chính

10. Điều kiện tiên quyết:

STT Mã học phần Tên học phần (VN) Tên học phần (EN) Số tín chỉ
1 M00263 Kinh tế lượng Econometrics 3
2 M00318 Lập trình căn bản Programming Fundamentals 3

11. Mục tiêu học phần:

Học phần Phân tích dữ liệu bảo hiểm hướng đến thực hiện các mục tiêu sau đây: - Cung cấp các khái niệm quan trọng trong học máy thống kê, có kiến thức về các thuật toán học có giám sát và học không giám sát; - So sánh và sử dụng các thuật toán học có giám sát và học không giám sát cơ bản - Cung cấp cách thức sử dụng các gói lệnh học máy thống kê trong phần mềm R/Python - Sử dụng các thuật toán cơ bản của phương pháp học máy thống kê và phần mềm liên quan để giải quyết các vấn đề nghiên cứu trong dữ liệu bảo hiểm và tài chính

12. Mô tả vắn tắt nội dung học phần:

Học phần Phân tích dữ liệu bảo hiểm cung cấp kiến thức và kỹ năng cần thiết để sử dụng các kỹ thuật phân tích dữ liệu cơ bản bằng học máy thống kê trong xử lý dữ liệu bảo hiểm. Các kỹ thuật học máy thống kê cơ bản được đề cập trong học phần bao gồm các kỹ thuật học có giám sát như hồi quy tuyến tính, hồi quy logistic, hồi quy với ước lượng co, cây quyết định; và kỹ thuật học không giám sát như thuật toán phân cụm cùng với một số thuật toán khác. Học phần cũng giới thiệu các phương pháp đánh giá mô hình giúp sinh viên so sánh và lựa chọn mô hình phù hợp. Ngoài ra, sinh viên sẽ được thực hành trên các bộ dữ liệu thực tế và sử dụng các công cụ phân tích dữ liệu như R, Python và Excel để áp dụng các kỹ thuật đã học, từ đó nâng cao khả năng đánh giá rủi ro và ra quyết định trong lĩnh vực bảo hiểm và tài chính.