Seminar "Data Mining in der Versicherungsmathematik"

 

Seminarleiter

Prof. Dr. Hans-Joachim Zwiesler
Prof. Dr. Gholamreza Nakhaeizadeh
Prof. Dr. Evgeny Spodarev


Zeit und Ort

Themenvergabe: Mittwoch, 15. Oktober 2008, 14-15 Uhr in Raum E20, Helmholtzstraße 18 (Mathegebäude).

Blockveranstaltung: An einem Tag im Januar werden 6 Vorträge präsentiert.

Die Blockveranstaltung findet am 30. Januar 2009 im E60 statt.

Zeitplan:

9:00 - 9:45
Data Mining Preprocessing and Model Evaluation (Nian Guochen)

10:00 - 10:45
Data Mining Algorithms (Katrin Heim)

11:00 - 11:45
Association Mining (Shanshan Zhang)

-- Mittagspause --

13:00 - 13:45
Applying Data Mining Techniques in Property/Casualty Insurance (Martin Rottmar)

14:00 - 14:45
Probabilistic Estimation Based Data Mining for Discovering Insurance Risks (Ina Gassner)

15:00 - 15:45
Enhancing Generalised Linear Models with Data Mining (Peter Schlosser)


Umfang

1 Blockveranstaltung mit 6 Vorträgen (und eine Vorbesprechung)


Voraussetzungen

Stochastik-Vorlesungen


Zielgruppe

WiMa- und Mathe-Studenten


Inhalt

  • Statistische Data Mining-Methoden
  • Ihre versicherungstechnische Anwendungen bei
    • Beschreibung des Datenbestands
    • Homogenisierung des Portfolios
    • Gruppierung der Daten
    • Prämienberechnung


Kriterien zur Erlangung des Seminarscheins

Der Seminarschein wird für einen inhaltlich korrekten, gut strukturierten und verständlich präsentierten Vortrag mit zugehöriger Ausarbeitung in Textform vergeben.


Vorträge

  • Data Mining Process: Data Pre-processing, Model Evaluation
  • Association Mining: Mining frequent Patterns, Association Rules
  • Data Mining Algorithms: Supervised and Unsupervised Learning, Classification, Prediction and Clustering Methods
  • Applying data mining techniques in property/casualty insurance
  • Versicherungsmathematische Anwendungen in der Praxis mit Schwerpunkt Kraftfahrt und Allgemeine Haftpflicht
  • A comparison of soft computing and traditional approaches for risk classification and claim cost prediction in the automobileinsurance industry


Literatur

  • C. Apte, E. Grossmann, E. Pednault, B. Rosen, F. Tipu, B. White
    Probabilistic estimation-based data mining for discovering insurance risks
    in: IEEE Intelligent Systems, 14. Jahrgang, Heft 6, S. 49-58, 1999
  • M. Brooks, K.A. Smith, R.J. Willis, A.C. Yeo
    A comparison of soft computing and traditional approaches for risk classification and claim cost prediction in the automobileinsurance industry
    in V. Kreinovich, L. Reznik Soft Computing in Measurement and Information Acquisition: Studies in Fuzziness and Soft Computing,
    Springer Verlag, Heidelberg, S. 249-251, 2003
  • L. Guo
    Applying data mining techniques in property/casualty insurance
    in: Casualty Actuarial Society Forum, Winter 2003, S. 1-25, 2003
  • M. Heep-Altiner, M. Klemmstein
    Versicherungsmathematische Anwendungen in der Praxis mit Schwerpunkt Kraftfahrt und Allgemeine Haftpflicht
    Verlag Versicherungswirtschaft, Karlsruhe, 2001
  • Jiawei Han, Micheline Kamber
    Data Mining : Concepts and Techniques
    2nd edition

    Morgan Kaufmann, ISBN 1558609016, 2006
  • I. Kolyshkina, S. Lim, S. Wong
    Enhancing Generalized Linear Models with Data Mining
    in: Discussion Paper Program 2004 - Applying and Evaluating Generalized Linear Models, S. 279-290, 2004
  • Pang-Ning Tan, Michael Steinbach, Vipin Kumar
    Introduction to Data Mining
    Pearson Addison wesley (May, 2005). Hardcover: 769 pages. ISBN: 0321321367
  • http://www.faqs.org/faqs/ai-faq/neural-nets/part3/section-12.html
  • http://robotics.stanford.edu/~ronnyk/accEst.ps
  • http://www.cs.cmu.edu/~rahuls/nips2000/
  • http://msdn2.microsoft.com/en-us/library/ms174493.aspx

Kontakt

Seminarleiter

Aktuelles

  • Vorlesungsfolien und weitere Informationen zur Vorlesung "Statistic Methods in Data Mining" (SS08) von Prof. Nakhaeizadeh gibt es hier.