Summary
本講義では階層ベイズモデルの構築と高速な数値計算の両方に焦点を当て、モデリングに必要な様々なコンポネントの紹介と確率的プログラミング言語NumPyroによる実装方法について解説を行い、大規模データに対しても階層モデルに基づいたベイズ分析を効果的に行えるようになることを目指します。
\損害保険における保険契約単位での保険金支払請求件数のモデリングをNumPyroを用いて実装します！/
本セミナーでは，大規模データに対する階層ベイズモデリングとNumPyroによる高速な推測方法を紹介します。
階層ベイズモデルに基づく分析は、契約者や顧客の行動履歴をもとに、将来のアウトカムの予測や不確実性を評価するために極めて有用な方法の一つです。
契約者・消費者の個人レベルや居住地レベルでの情報、および各観測時点に関する情報を適切にモデリングすることで、背後にある構造の把握や将来予測を効果的に行うことが可能になります。
一方で、大規模なデータに対して柔軟なモデルを適用する場合には、推定の対象となる変数のとても数が多くなり、チューニングが困難になったり単純に計算時間がとても長くなってしまいます。
そこで、本セミナーでは階層ベイズモデルの構築と高速な数値計算の両方に焦点を当て、モデリングに必要な様々なコンポネントの紹介と確率的プログラミング言語NumPyroによる実装方法について解説を行い、大規模データに対しても階層モデルに基づいたベイズ分析を効果的に行えるようになることを目指します。
具体的には，特に損害保険における保険契約単位での保険金支払請求件数のモデリングを取り上げ、
階層ベイズモデルの構築：個人効果，地域効果，時間効果のモデリング
NumPyroの基礎
NumPyroでの階層モデルの実装
保険金支払請求件数の大規模データでのユースケース
について解説します．
このセミナーは、これらの分野で実務経験を持ち、さらに専門知識を深めたい社会人、あるいは関連分野の研究者、高度な学習を求める大学院生など幅広い層に適しています。
【キーワード】
- 階層ベイズモデル
- NumPyro
- 大規模データ
- ベイズ分析
-
保険金支払請求件数
【対象者】
- 損害保険会社のアクチュアリー
- データサイエンティスト
- 統計学の研究者 / 大学院生
- 経済学の研究者 / 大学院生
- 金融工学者
【提供内容】
以下の内容を閲覧可能です。
・講義動画
・講義資料
・演習資料
【講師】
小林 弦矢（明治大学 准教授）[個人HP]
[略歴]
神戸大学大学院経営学研究科博士課程後期課程修了
東京大学大学院経済学研究科
統計学コースにて特別研究員PD、千葉大学准教授を経て
現職に就任
主な研究分野はベイズ統計学 / 状態空間モデル / 時空間統計学 / マーケティング・サイエンスなど
段 暁然 （インペリアル・カレッジ・ロンドン & オックスフォード大学 Ph.D生）
[略歴]
慶應義塾大学 環境情報学部 卒業
Imperial College London, MSc Statistics 修了 (最優秀卒論賞)
EPSRC CDT in Modern Statistics and Statistical Machine Learning at Imperial and Oxford (博士課程) 在籍
主な研究分野は ベイズ統計学 / 医療統計学/公共衛生学
[主な著書・論文]
- (第一著者) Estimating fine age structure and time trends in human contact patterns from coarse contact data: The Bayesian rate consistency model. PLoS Computational Biology.
- (共著) Longitudinal population-level HIV epidemiologic and genomic surveillance highlights growing gender disparity of HIV transmission in Uganda. Nature Microbiology.
\受講プログラム/
約60分間の講義動画を前編と後編に分けた2本立てとなっており、
合計で120分のセミナーとなっております。
【注意事項（必ずお読みください）】
- セミナーの内容に関するご質問への対応は行なっておりません
-
ご購入後の返金は致しかねますので、ご了承ください
【免責事項（必ずお読みください）】
- 本ページの内容は予告なく変更する場合がございます
- 主催者の諸般の事情や、天災地変その他の不可抗力の事態により、本講座の一部あるいは全部を中止させていただく場合がございます
【お問い合わせ】
ご質問やご不明点などがある方は、お手数ですがフッター部分にある「お問い合わせ」リンクよりご連絡くださいませ。