Intact : Évaluation de l’incertitude en tarification

La mesure de l’incertitude dans les prédictions est considérée clé pour prendre des décisions informées à partir
des données. Ceci améliore également la transparence et la confiance dans les prédictions d’un modèle. Ceci
peut également influencer le design expérimental et la balance entre l’exploitation d’une solution et le besoin
d’exploration et de collecte de données supplémentaires. Dans cette optique, définir un niveau de confiance sur
les prédictions des métriques utilisées pour l’établissement des prix en assurance de dommages est un filon
intéressant à exploiter. L’objectif principal de ce projet de recherche est d’explorer les fondations pour la mesure
de l’incertitude dans différents modèles d’apprentissage machine utilisés pour la tarification en assurance de
dommages.

Faculty Supervisor:

Christian Gagné;Pascal Germain

Student:

Partner:

Intact

Discipline:

Computer science

Sector:

Finance and Insurance

University:

Université Laval

Program: