Actuarial Tutor Logo
Actuarial Tutor อบรม & ที่ปรึกษาคณิตศาสตร์ประกันภัย
EN
อบรม & ที่ปรึกษาคณิตศาสตร์ประกันภัย

อบรมเชิงลึกและบริการที่ปรึกษาด้านคณิตศาสตร์ประกันภัย

ประกันชีวิต · ประกันวินาศภัย · บำนาญ · วิทยาศาสตร์ข้อมูล — หลักสูตรอบรมเชิงปฏิบัติการและบริการที่ปรึกษาที่นำไปใช้ได้จริง

หลักการสมมูลกระแสเงินสด (Equivalence Principle) สูตรและการคำนวณจริง
Actuarial Present Value
Ax=∑k=0∞vk+1⋅kpx⋅qx+kA_x = \sum_{k=0}^{\infty} v^{k+1} \cdot {}_k p_x \cdot q_{x+k}
ปรึกษาเบื้องต้นฟรี 30 นาที (LINE) ดูหลักสูตรอบรมทั้งหมด
รูปถ่าย ยศหรินทร์ มนพลับ (เย)

ยศหรินทร์ มนพลับ (เย)

นักคณิตศาสตร์ประกันภัย, นักวิทยาศาสตร์ข้อมูล และอาจารย์ผู้สอน

B.Sc. Data Science (Mahidol / Curtin, เกียรตินิยมอันดับ 2) • M.Sc. Data Science มศว (GPA 3.61)

รูปถ่าย ยศหรินทร์ มนพลับ (เย)
เกี่ยวกับอาจารย์ผู้สอน

อาจารย์ ยศหรินทร์ มนพลับ (เย)

นักคณิตศาสตร์ประกันภัยและนักวิทยาศาสตร์ข้อมูล ผู้ก่อตั้งและบริหาร Actuarial Tutor โดยผสานหลักการสร้างแบบจำลองทางสถิติและคณิตศาสตร์ประกันภัยเข้ากับวิศวกรรมข้อมูล คลาวด์ และซอฟต์แวร์สมัยใหม่ มีประสบการณ์สอนเตรียมสอบวิชาชีพคณิตศาสตร์ประกันภัยและอบรมบุคลากรในองค์กรชั้นนำ

7+ ปี ประสบการณ์สอนและอบรมคณิตศาสตร์ประกันภัยทั้งระดับบุคคลและองค์กร
ธรรมศาสตร์ & มศว อาจารย์พิเศษ ม.ธรรมศาสตร์ (2568) • M.Sc. Data Science มศว (GPA 3.61)
หลักสูตรการเรียนการสอน

หลักสูตรอบรมที่เราเปิดสอน

เน้นความเข้าใจที่แท้จริง ไม่ท่องจำ สามารถนำไปประยุกต์ใช้ในการสอบวัดคุณวุฒิและทำงานจริงในองค์กรธุรกิจประกันภัยได้อย่างมืออาชีพ

Life Intermediate to Advanced

การกำหนดเบี้ยประกันภัยและการประเมินเงินสำรองประกันชีวิต

เรียนรู้หลักการสร้างแบบจำลองกระแสเงินสด การคำนวณเบี้ยประกันสุทธิและเบี้ยประกันรวม และการประเมินเงินสำรองประกันชีวิตตามมาตรฐานสากล

Actuarial Present Value of Whole Life Insurance
Ax=∑k=0∞vk+1⋅kpx⋅qx+kA_x = \sum_{k=0}^{\infty} v^{k+1} \cdot {}_k p_x \cdot q_{x+k}
ดูรายละเอียดหลักสูตร สมัครเรียน
Non-life Intermediate to Advanced

การกำหนดอัตราเบี้ยประกันภัยและการสำรองค่าสินไหมทดแทน (ประกันวินาศภัย)

เจาะลึกการวิเคราะห์คณิตศาสตร์ประกันวินาศภัย Loss Triangles, Chain-Ladder, Bornhuetter-Ferguson, แบบจำลอง Frequency-Severity และการกำหนดอัตราเบี้ย Pure Premium

Chain-Ladder (Loss Development) Projection
C^i,j=Ci,k∏m=kj−1fm\hat{C}_{i,j} = C_{i,k} \prod_{m=k}^{j-1} f_m
ดูรายละเอียดหลักสูตร สมัครเรียน
Pension Intermediate to Advanced

คณิตศาสตร์บำนาญและผลประโยชน์พนักงาน (TAS 19 / IAS 19)

เรียนรู้วิธีคิดลดแต่ละหน่วยที่ประมาณการไว้ (PUC), การกำหนดสมมติฐานทางเศรษฐศาสตร์และประชากรศาสตร์ และการประเมินภาระผูกพันตาม TAS 19 / IAS 19

Defined Benefit Obligation (Projected Unit Credit)
DBO=∑t=1TBt⋅tpx⋅qx+t(r)(1+i)tDBO = \sum_{t=1}^{T} \frac{B_t \cdot {}_t p_x \cdot q_{x+t}^{(r)}}{(1 + i)^t}
ดูรายละเอียดหลักสูตร สมัครเรียน
Data Science Intermediate

การประยุกต์ใช้การเรียนรู้ของเครื่องในธุรกิจประกันภัยและวิทยาศาสตร์ข้อมูล

ผสานคณิตศาสตร์ประกันภัยเข้ากับ Data Science สมัยใหม่: XGBoost, LightGBM, การตรวจจับทุจริตเคลม, การทำนายการยกเลิกกรมธรรม์ และ Explainable AI (SHAP)

Gradient Boosted Decision Trees Objective
y^i=∑k=1Kfk(xi),fk∈F\hat{y}_i = \sum_{k=1}^K f_k(x_i), \quad f_k \in \mathcal{F}
ดูรายละเอียดหลักสูตร สมัครเรียน
Corporate & Data Science Intermediate

Python และ Data Science สำหรับนักคณิตศาสตร์ประกันภัยและการวิเคราะห์ประกัน

หลักสูตรฝึกอบรมเชิงปฏิบัติการสำหรับทีมคณิตศาสตร์ประกันภัยและนักวิเคราะห์ข้อมูล ยกระดับจาก Excel สู่ Python: การใช้ pandas, polars, chainladder-python, การสร้างระบบกำหนดอัตราเบี้ยอัตโนมัติ และการจำลองความสูญเสียแบบสโตแคสติก

Automated Loss Development Factor Pipeline in Python
LDFk=∑i=1n−kCi,k+1∑i=1n−kCi,kLDF_k = \frac{\sum_{i=1}^{n-k} C_{i,k+1}}{\sum_{i=1}^{n-k} C_{i,k}}
ดูรายละเอียดหลักสูตร สมัครเรียน
บริการที่ปรึกษาและวิศวกรรมข้อมูล

บริการและโซลูชัน (Service and Solution)

การประเมินมูลค่าภาระผูกพันตามมาตรฐานบัญชี แบบจำลอง Machine Learning และระบบวิเคราะห์ข้อมูลอัตโนมัติสำหรับธุรกิจประกันและองค์กร

Actuarial & Data Science
AxA_x

การกำหนดอัตราเบี้ยประกันภัย แบบจำลอง GLM และ Machine Learning

บริการคำนวณอัตราเบี้ยประกันภัย ออกแบบตารางพิกัดอัตราเบี้ยด้วย GLM ผสานอัลกอริทึม Machine Learning (XGBoost/LightGBM) เพื่อวิเคราะห์ความเสี่ยงที่แม่นยำ พร้อมจัดทำเอกสารยื่นขออนุมัติ คปภ.

ขอบเขตบริการที่สำคัญ

  • Frequency-Severity modeling (Poisson, Negative Binomial, Gamma)
  • Non-linear risk interaction detection with LightGBM & XGBoost
  • On-leveling historical premiums & loss cost trend adjustments
  • Profit testing, capital strain modeling under RBC framework
  • OIC regulatory rate filing documentation & actuarial certification
ปรึกษาบริการนี้
Data Science & AI
y^\hat{y}

การวิเคราะห์ข้อมูลสินไหมและการตรวจจับการฉ้อฉลด้วย AI (Fraud Detection)

พัฒนาระบบปัญญาประดิษฐ์และ Machine Learning สำหรับคัดกรองความผิดปกติในการเรียกร้องค่าสินไหมทดแทน (Fraud Detection) การทำนายความรุนแรงของเคลมตั้งแต่แจ้งเคลมครั้งแรก (FNOL) เพื่อลดต้นทุนการดำเนินงาน

ขอบเขตบริการที่สำคัญ

  • Automated fraud scoring models using ensemble classifiers
  • Anomaly detection for medical billing, treatment duration, and parts pricing
  • Severity prediction at FNOL to identify claims needing early case management
  • Interactive analytics dashboard for claims adjusters and fraud investigators
  • Model governance ensuring non-discriminatory and fair claims triage
ปรึกษาบริการนี้
Risk & Compliance
R2R^2

การตรวจสอบความถูกต้องของแบบจำลองและการกำกับดูแล AI (Model Governance)

บริการตรวจสอบความถูกต้องอย่างเป็นอิสระ (Independent Model Validation) ทดสอบความทนทานต่อสภาวะวิกฤต (Stress Testing) และการอธิบายผลการตัดสินใจของแบบจำลอง Machine Learning (SHAP / XAI) ตามหลักธรรมาภิบาล

ขอบเขตบริการที่สำคัญ

  • Rigorous formula, logic, and assumption auditing in Excel, Python, and R
  • Independent parallel model reproduction and benchmark comparisons
  • Stress testing, sensitivity analysis, and backtesting on historical data
  • SHAP (Shapley Additive exPlanations) values for model transparency and fairness
  • Comprehensive Model Validation Report compliant with regulatory standards
ปรึกษาบริการนี้
ดูบริการและโซลูชันทั้งหมด