W imieniu prelegenta, Karola Gawłowskiego, Zarząd Polskiego Stowarzyszenia Aktuariuszy serdecznie zaprasza swoich członków na wykład-webinar z cyklu Open Floor pt. „Interpretable Boosted GLM – łączenie mocy predykcyjnej ML z interpretowalnością GLM”.
O wykładzie:
Wykład będzie poruszał tematykę opisaną w pracy nagrodzonej nagrodą Brian Hey, która zawiera propozycję multiplikatywnej architektury łączącej GLM i GBM. Konstrukcja ta wykorzystuje wysoką skuteczność GBM do modelowania reszt, zachowując jednocześnie intuicyjną, liniową formę modelu końcowego. Prezentowane podejście wykorzystuje technikę SHAP do wyznaczania korekt współczynników GLM na poziomie pojedynczej obserwacji, co pozwala lepiej zrozumieć odchylenia modelu ML od bazowego GLM przy jednoczesnej poprawie jego jakości predykcyjnej.
Łączenie wysokiej mocy predykcyjnej modeli z ich interpretowalnością to jedno z kluczowych wyzwań współczesnej analityki, szczególnie w ubezpieczeniach. Pomimo dostępności bardziej efektywnych modeli ML opartych na drzewach, mniej dokładne GLM pozostają standardem ze względu na swoją przejrzystość.
O prelegencie:
Karol Gawłowski to actuarial data scientist specjalizujący się w analityce i modelowaniu predykcyjnym w ubezpieczeniach. Od 2020 roku pracuje w Wielkiej Brytanii, obecnie jako Manager w EY UK, gdzie rozwija zastosowania Machine Learning i automatyzacji m.in. w procesach rezerwowych. Jest członkiem AI Practice Board przy IFoA oraz prowadzi inicjatywy i grupy robocze w obszarze actuarial data science. Autor metody Interpretable Boosted GLM, łączącej modele GLM i Machine Learning, wyróżnionej nagrodą Brian Hey Prize w 2025 roku przyznawaną corocznie przez Brytyjskie Stowarzyszenie Aktuariuszy za najlepszą pracę o tematyce aktuarialnej.
Posiada dwa tytuły magisterskie w obszarze metod ilościowych i metod aktuarialnych. Jego praca koncentruje się na łączeniu skuteczności modeli z ich interpretowalnością oraz praktycznym zastosowaniem w biznesie.
Termin i miejsce: 14 kwietnia 2026 r. (wtorek) w godzinach 17.00-18.00, spotkanie Zoom (https://zoom.us/j/99586719133).
