Corso di formazione attuariale permanente 04/26
Machine Learning per attuari:
use cases per le assicurazioni
vita e danni
 
  Calendario corsi


 Documenti
 
Presentazione,
programma
e scheda
di iscrizione

formato PDF

 Iscrizione online

 

 

Lunedì 30 novembre 2026 - Diretta web

Machine Learning per attuari: use cases per le assicurazioni vita e danni

Introduzione
Il corso offre una panoramica pratica sulle tecniche di Machine Learning (ML), con una breve introduzione teorica e numerosi esempi applicativi specifici per l’ambito attuariale. Saranno fatti anche cenni a metodologie di ML Operations (MLOPS) e di Generative Artificial Intelligence (GenAI) applicate alla modellazione di dati tabulari. Lo scopo del corso è offrire un’introduzione principali applicazioni del ML e spunti ai quali i partecipanti potranno ispirarsi nel proprio contesto lavorativo. I partecipanti avranno l’opportunità di seguire esercitazioni guidate, con soluzioni proposte dal docente tramite l’utilizzo di Google Colab.

Metodologia
Il corso avrà un’impostazione prevalentemente applicativa, affiancata da brevi richiami teorici, e utilizzerà Python nell’ambiente Google Colab. Ciascuna sezione prevederà la presentazione di casi d’uso già sviluppati e lo svolgimento di esercitazioni pratiche analoghe, guidate dal docente, affinché i partecipanti possano sperimentare direttamente gli strumenti e le tecniche illustrate. Saranno inoltre forniti spunti per successivi approfondimenti.

Requisiti
Per tratte il massimo beneficio dal corso, è vivamente consigliata una conoscenza almeno intermedia di Python, della statistica moderna e del Machine Learning. Per svolgere le esercitazioni, i partecipanti dovranno inoltre poter installare sul proprio PC le librerie Python richieste, disponendo dei necessari diritti di amministratore. In alternativa, potranno usare liberamente il proprio profilo Google Colab, con la possibilità di installare librerie Python, eseguire codice e leggere dati archiviati nel cloud, ad esempio nel proprio Google Drive.

Qualche giorno prima del corso, gli iscritti riceveranno, via mail, un link di collegamento alla piattaforma Teams. L’aula virtuale permetterà di interagire con il docente.

Con la partecipazione al corso, che rientra tra le attività preclassificate, come stabilito dalle Linee Guida emanate dal Consiglio Nazionale degli Attuari in attuazione del regolamento sulla Formazione Attuariale Continua, redatto ai sensi dell’art. 7 comma 3 del D.P.R. N. 137/2012, pubblicato in gazzetta dal Ministero di Giustizia in data 30 dicembre 2018, saranno attribuiti 5 (cinque) CFP ai fini FAC (Formazione Attuariale Continua).

Docente:
Dott. Giorgio Alfredo Spedicato – Gruppo Unipol.



Argomenti trattati

1.    Introduzione teorica al Machine Learning
  • Approccio alla creazione dei progetti di ML
  • Modelli principali di ML: GLM/GAM, Random Forest, Gradient Boosting Trees e Deep Learning
  • Variable importance analysis
  • Deploying dei modelli di ML: esempi con Streamlit e FastAPI
2.    Applicazioni del ML in ambito attuariale
  • Modelli per variabili binarie: previsioni sui riscatti vita e delle probabilità di default
  • Modelli per variabili continue: previsioni sul costo medio dei farmaci e dei sinistri auto
3.    Uso di modelli pre-addestrati
  • Uso della libreria Hugging Face per task Natural Language Processing
  • Applicazioni della libreria Hugging Face per task di computer vision
  • Accenni ai foundation models

Orario:

Lunedì 30 novembre 2026

09.00 – 13.00    Lezione
13.00 – 14.00    Intervallo
14.00 – 17.30    Lezione

 



Segreteria operativa:
S.I.A. S.r.l. - Viale delle Milizie 1 - 00192 Roma
E-mail: info@sia-attuari.it

Iscrizioni:
Ci si può iscrivere direttamente sul nostro sito a questo link entro mercoledì 25 novembre 2026.
L'iscrizione al corso sarà confermata con nostra email.

Quota di iscrizione:
La quota di iscrizione per ogni partecipante è di Euro 450,00 + IVA. La quota dà diritto alla partecipazione ai lavori e al materiale didattico.


Modalità di pagamento:
Il versamento della quota di iscrizione, da effettuarsi successivamente alla nostra conferma, dovrà pervenire entro e non oltre l’inizio del corso, con l’evidenza del corrispondente numero di fattura.
Eventuali rimborsi per impedita partecipazione saranno consentiti nella misura dell’80% se la mancata partecipazione sarà comunicata per iscritto almeno 2 giorni prima dell’inizio del corso.

   


 

web design: Cliccaquì