Personenversicherungsmathematik

Der Kurs vermittelt die mathematischen Grundlagen und Modelle der Personenversicherungsmathematik. Es setzt sich aus den drei Themenbereichen „Lebensversicherungsmathematik“, „Pensionsversiche-rungsmathematik“ und „Krankenversicherungsmathematik“ zusammen und Er wurde zum SS 2011 dezidiert für den fächerübergreifenden Lernzielkatalog der DAV zur Personenversicherungsmathematik entwickelt und mit Mitgliedern der für das Prüfungsfach verantwortlichen Prüfungskommission abgestimmt. Er ist derzeit der einzige Lehrtext, der das gesamte Gebiet der Personenversicherungsmathematik umfassend und einheitlich abdeckt. Er eignet sich idealerweise zur Einarbeitung in die Thematik sowie zur Vorbereitung auf die entsprechenden DAV-Grundwissenprüfungen nach PO III-3.

Einführung in die Programmierung mit Python für Data Science

In diesem Modul erlernen die TeilnehmerInnen grundlegende Programmierkenntnisse in Python. Der Fokus der Programmiertätigkeit liegt dabei immer auf dem Anwendungsgebiet der Data Science. Dazu gehört das korrekte Einlesen, Verarbeiten und Bereinigen von Daten genauso, wie die Erstellung von Aggregationsanalysen und Visualisierungen. Alle Lerninhalte des Moduls werden praxisnah mit Übungen auf Basis realer Datensätze vermittelt. Das Modul beinhaltet einen festen wöchentlichen Online-Termin am Dienstagabend, jeweils von 19:00 - 20:30 Uhr. Termine:

• 27. September 2022
• 4./11./18./25. Oktober 2022
• 8./15./22./29. November 2022
• 6./13./20. Dezember 2022
• 10./17./24./31. Januar 2023

Schadenversicherungsmathematik

Der Kurs vermittelt die mathematischen Grundlagen der Schadenversicherungsmathematik und erklärt die wesentlichen Teile der Themengebiete Risikomodelle, Tarifierung, Reservierung und Risikoteilung.

Technologieakzeptanz im Zeitalter der Digitalisierung

Im Modul „Technologieakzeptanz im Zeitalter der Digitalisierung“ werden den Teilnehmern zunächst Grundlagen der Technologieakzeptanz sowie relevante Technologien vermittelt. Auf Basis anschaulicher Fallstudien werden wesentliche Einflussfaktoren sowie Maßnahmen zur Steigerung der Technologieakzeptanz erarbeitet. Die Teilnehmer sollen in die Lage versetzt werden, die wesentlichen Fragestellungen rund um das Phänomen der Technologieakzeptanz selbstständig beantworten zu können, um somit die Chancen der technologischen Neuerungen optimal nutzen zu können.   Termine:

• Montag, 22. Mai 2023, 09:00 - 17:00 Uhr
• Dienstag, 23. Mai 2023, 09:00 - 17:00 Uhr

Self-Service Business Intelligence

Stochastische Grundlagen für Aktuarwissenschaften und Finance

Dieser Kurs wendet sich an alle diejenigen, die sich für ein genaueres Verständnis der stochastischen Grundlagen interessieren, die heute im Finanz- und Versicherungsbereich unerlässlich sind. Der Kurs erläutert alle grundlegenden und relevanten Aspekte der Wahrscheinlichkeitsrechnung und Stochastik, wie sie in der modernen Finanzmathematik und in Aktuarwissenschaften verwendet werden.

Business Analytics

Durch die fortschreitende Digitalisierung der Wirtschaft stehen Unternehmen eine Vielzahl von Daten zur Verfügung. Die Herkunft dieser Daten ist vielfältig. So werden bspw. im Zuge von „Industrie 4.0“ Produktionsmaschinen mit immer mehr Sensoren ausgestattet, die fortwährend Prozessdaten liefern. Aber auch neuartige unternehmensexterne Datenquellen, wie Social Media Plattformen, rücken in zunehmenden Maße in den Fokus von Unternehmen. Die Frage ist allerdings, wie aus der Datenflut, die auch oftmals als „Big Data“ bezeichnet wird, sinnvolles betriebswirtschaftliches Wissen extrahiert werden kann. Wissen, das zu besseren Entscheidungen, besseren Produkten und neuartigen Services führen soll. Eine konkrete Antwort erhalten Sie im Modul „Grundlagen Business Analytics“. Im Modul „Business Analytics“ werden den Teilnehmern die Funktion, der Aufbau und die Instrumente des Business-Analytics-Prozesses vermittelt. Durch anschauliche Fallstudien, Übungen und interaktive Elemente werden die Teilnehmer zudem in die Lage versetzt, diese Kenntnisse in realen Situationen anzuwenden. Business Analytics verwendet Methoden der Mathematik und der Informatik, um die zur Verfügung stehenden Daten in sinnvolle betriebswirtschaftliche Entscheidungen zu überführen. Eine zentrale Fähigkeit in Zeiten von „Industrie 4.0“ und „Big Data“. Präsenztermine:

• Donnerstag, 17. November 2022, 09:00 - 17:00 Uhr
• Freitag, 18. November 2022, 09:00 - 17:00 Uhr

• Dienstag, 10. Januar 2023, 09:00 - 17:00 Uhr
• Mittwoch, 11. Januar 2023, 09:00 - 17:00 Uhr

IT-Recht

Das Modul behandelt die grundlegenden rechtlichen Rahmenbedingungen zum Umgang mit personenbezogenen Daten im Unternehmen. Termine

• Samstag, 10. Dezember 2022, 09:00 - 17:00 Uhr
• Samstag, 11. Februar 2023, 09:00 - 17:00 Uhr

Versicherungsmathematik

Der Kurs vermittelt die mathematischen Grundlagen und Modelle der Versicherungsmathematik. Er stellt die Kalkulationsgrundsätze der Versicherungsmathematik (Personenversicherungsmathematik und Schadenversicherungsmathematik) vor. Die Methoden und Modelle zur Kalkulation von Prämien und Reservern werden für die verschiedenen Sparten erläutert.

Finanzmathematik und Risikobewertung

Der Kurs vermittelt die zentralen mathematischen Modelle der Finanzmathematik zur Modellierung und Bewerung stochastischer Zahlungsströme und gibt eine erste Einführung in die Risikobewertung bei Versicherungsunternehmen sowie zur Portfoliooptimierung . Der Inhalt des Kurses ist auf die von der DAV nach PO III zu diesem Gebiet angegebene Stoffübersicht zusammen mit Mitgliedern der für das Prüfungsfach verantwortlichen Prüfungskommission abgestimmt worden. Zum SS 2019 wurde der Lehrtext im Hinblick auf die Inhalte zu „Finanzmathematik und Risikobewertung“ nach PO 4 grundlegend überarbeitet. Er eignet sich idealerweise zur Vorbereitung auf die DAV-Grundwissenprüfung „Finanzmathematik und Risikobewertung“, alternativ auch zur Einarbeitung in die Thematik.

Grundlagen des maschinellen Lernens mit Python

In diesem Modul erlernen die TeilnehmerInnen grundlegende Methoden des maschinellen Lernens und deren Anwendung in Python. Das Modul vermittelt theoretische Grundlagen zu Algorithmen des überwachten und unüberwachten Lernens und verzahnt diese stets mit der Anwendung in Python auf Basis realer Datensätze. Da der Einsatz maschineller Lernverfahren weitreichende Implikationen haben kann, liegt ein besonderes Augenmerk auf der korrekten Evaluation der Modelle und Einordnung der Ergebnisse. Das Modul beinhaltet einen festen wöchentlichen Online-Termin am Dienstagabend, jeweils von 19:00 - 20:30 Uhr.

Termine:

• 14./21./28. März 2023
• 4./11./18./25. April 2023
• 2./9./17./16./23. Mai 2023
• 13./20./27. Juni 2023
• 4. Juli 2023