M2i Formation

Deep Learning et sécurité de la Blockchain pour les compagnies d'assurance

Par M2i Formation

Objectifs

  • Comprendre la notion de blockchain
  • Comprendre la notion de Machine et Deep Learning
  • Découvrir le rôle de la blockchain dans les secteurs de l'assurance
  • Comprendre les apports de la blockchain et du Deep Learning dans le secteur des assurances
  • Appréhender quelques exemples d'application de la blockchain et du Deep Learning dans le secteur des assurances.

Programme

Introduction

  • Introduction générale sur la révolution de la blockchain
  • Les bénéfices de la blockchain
  • Concepts de bases
  • Systèmes distribués vs systèmes décentralisés
  • Notions cryptographiques
  • La notion de token
  • Le Bitcoin et la (re)naissance de la blockchain
  • Mise en situation
  • La sécurité au niveau de la blockchain
  • Domaines d'application de la blockchain
  • Les acteurs principaux de la blockchain
  • Terminologie
  • Perspectives

Ethereum et Smart Contracts

  • Introduction générale
  • Ethereum
  • Les Smart Contracts

Les blockchains

  • Introduction
  • Exemple de blockchain
  • Les outils de la blockchain
  • Les modes de déploiement de la blockchain
  • Cas d'étude

Les DApp (Decentralized Application)

  • Introduction
  • Notions et développement d'applications distribuées

Blockchain dans le secteur de l'assurance

  • Assurer la traçabilité et certification de documents
  • Automatiser les processus de gestion des dossiers clients
  • Réaliser une architecture fonctionnelle pour le secteur de l'assurance
  • Effectuer une transaction de token (cryptomonnaie)
  • Réaliser des transactions entre objets connectés

Blockchain dans le secteur de l'assurance

  • Développer des assurances indicielles ou paramétriques associées à des objets connectés
  • Notion et mise en place d'un système de détection de fraudes
  • Mettre en oeuvre des assurances peer to peer et/ou communautaires
  • Découvrir la notion de l'économie du partage et son calcage sur la blockchain
  • Implication et préparation d'une transition vers la blockchain pour le secteur de l'assurance

Machine Learning

  • Le Machine Learning
  • Types de tâches : Supervised Learning, Unsupervised Learning et Reinforcement Learning
  • Types d'actions : classification, régression, clustering, estimation de densité et réduction de dimensionalité
  • Exemples d'algorithmes Machine Learning : régression linéaire, Naive Bayes et Random Tree

Convolutional Neural Networks (CNN)

  • Présentation des CNN : principes fondamentaux et applications
  • Fonctionnement fondamental d'un CNN : couche convolutionnelle, utilisation d'un kernel, padding et stride...
  • Architectures CNN ayant porté l'état de l'art en classification d'images : LeNet, VGG Networks, Network in Network...
  • Application à un cas de figure de classification dans un contexte d'assurance

Modèles générationnels : VAE et GAN

  • Présentation des modèles générationnels Variational Auto-Encoder (VAE) et Generative Adversarial Networks (GAN)
  • Auto-encoder : réduction de dimensionnalité et génération limitée
  • VAE : modèle générationnel et approximation de la distribution d'une donnée
  • Fondamentaux, convergence et difficultés rencontrées au niveau d'un GAN
  • Application dans un contexte d'assurances

Deep Reinforcement Learning (DRL)

  • Reinforcement Learning
  • Utilisation d'un réseau de neurones pour approximer la fonction d'état
  • Deep Q-Learning
  • Mini projet

Pédagogie

L'évaluation des acquis se fait :

  • En cours de formation, par des études de cas ou des travaux pratiques
  • Et, en fin de formation, par un questionnaire d'auto-évaluation ou une certification (M2i ou éditeur)

Partager cette formationTélécharger au format pdf Ajouter à mes favoris