Michael Page - Sviluppo di modelli predittivi per il rischio - Attività: Progettare e sviluppare modelli di machine learning (ML) per prevedere il rischio di sinistri, la probabilità di frode o per ottimizzare la determinazione dei premi. - Tecnologie: - Librerie ML: Scikit-learn, XGBoost, LightGBM, TensorFlow, PyTorch. - Data Science tools: Pandas, NumPy, Matplotlib, Seaborn per analisi dei dati e visualizzazione. - Framework di deep learning: Keras, TensorFlow, PyTorch. - Sviluppo di algoritmi per la personalizzazione delle polizze - Attività: Creare modelli AI e suggerire polizze personalizzate in base ai loro dati storici e preferenze. - Tecnologie: - Machine learning: Collaborative filtering per raccomandazioni, regressione lineare e logistica, clustering (ad esempio, k-means, DBSCAN). - Algoritmi di pricing dinamico: Modelli basati su alberi decisionali o reti neurali per calcolare i premi assicurativi in tempo reale. - Automazione e analisi dei sinistri - Attività: Costruire sistemi AI per l'analisi automatica delle richieste di risarcimento, per velocizzare il processo di approvazione, identificare frodi o ottimizzare la gestione del flusso di lavoro. - Tecnologie: - Reti neurali convoluzionali (CNN): Per l'elaborazione e il riconoscimento delle immagini (ad esempio, valutazione dei danni su foto). - NLP (Natural Language Processing): SpaCy, NLTK, transformers per l'analisi automatica delle descrizioni di sinistri o per estrarre informazioni dalle documentazioni testuali. - OCR (Optical Character Recognition): Tesseract o Google Cloud Vision API per l'estrazione di testo da documenti scansionati. - Prevenzione delle frodi - Attività: Creare modelli predittivi basati su AI per identificare sospetti e frodi nei reclami assicurativi. - Tecnologie: - Deep learning: Autoencoders per il rilevamento di anomalie. - Modelli di classificazione: Random Forest, SVM (Support Vector Machine), Gradient Boosting. - Tecniche di rilevamento delle anomalie: Analisi delle transazioni sospette attraverso clustering o anomaly detection. 3 anni di esperienza in posizioni di AI Engineer Ottima conoscenza di Python Librerie ML: Scikit-learn, XGBoost, LightGBM, TensorFlow, PyTorch. Data Science tools: Pandas, NumPy, Matplotlib, Seaborn Framework di deep learning: Keras, TensorFlow, PyTorch. società insurtech, sede principale a Londra 50 dipendenti opportunità di lavoro in full-remote Contratto a tempo indeterminato con ral adeguata all'esperienza Polizza assicurativa integrativa Full remote Ottima possibilità di crescita Settore: Altro Ruolo: Altro