Le lezioni si articolano in due parti principali:
1. Le principali tecniche machine learning: introduzione al machine learning e dati; richiami a modelli lineari generalizzati (GLM); modelli supervisionati: classification and regression trees (CART), random forest, gradient boosting machine. Reti neurali e reti neurali profonde (deep learning). Valutazione dell’accuratezza, diagnostica dei modelli e tuning dei parametri. (ore 12)
2. Applicazioni nelle assicurazioni vita e danni ed interpretazione dei risultati. (ore 15)

- Charpentier. G. Computational actuarial science with R. CRC Press, 2015.
- F. Chollet, J.J. Allaire. Deep Learning with R (2018).
- T. Hastie, R. Tibshirani, J. Friedman. The elements of statistical learning - data mining, inference and prediction. Springer, 2008.
- G . James, D. Witten, T. Hastie, R. Tibshirani (2017) An introduction to statistical learning: with applications in R. Springer texts in statistics. Springer, Berlin. ISBN-10: 1461471370