Archivo

Archivo para Viernes, 14 de julio de 2017

Predicci贸n del riesgo de dimisi贸n de un empleado mediante t茅cnicas de Machine Learning y an谩lisis de redes


SEMINARIO DEL DOCTORADO DE ESTAD脥STICA, OPTIMIZACI脫N Y MATEM脕TICA APLICADA. CURSO 2016-2017

T铆tulo:聽Predicci贸n del riesgo de dimisi贸n de un empleado mediante t茅cnicas de Machine Learning y an谩lisis de redes

Ponentes:聽Guillem Duran (Colaborador con United Arab Emirates University (UAEU) y el grupo de investigaci贸n CIO 鈥淪istemas din谩micos y aplicaciones鈥)

Fecha: Jueves 20 de julio de 2017 a las聽12:30 horas

Lugar: Sala de seminarios, Edificio Torretamarit, Universidad Miguel Hern谩ndez聽(Campus de Elche)

Resumen:

La obtenci贸n de m茅tricas para predecir si un empleado va a dimitir de su actual puesto de trabajo es un tema de inter茅s para los departamentos de recursos humanos, debido al coste econ贸mico que conlleva una baja inesperada en la plantilla de una empresa. En esta charla analizamos c贸mo construir modelos predictivos del riesgo de dimisi贸n mediante t茅cnicas de Machine Learning y an谩lisis de redes. Utilizando los datos de la aplicaci贸n de MyHappyforce, dise帽ada para obtener comentarios de los empleados de una empresa, explicaremos el proceso a seguir para construir modelos predictivos del riesgo de dimisi贸n a partir de las interacciones entre los empleados. Durante esta charla empezaremos explicando en qu茅 consiste nuestro dataset, c贸mo debe de ser procesado, y cu谩les son las caracter铆sticas m谩s relevantes que pueden observarse al analizar los datos. A continuaci贸n, explicaremos c贸mo se pueden utilizar t茅cnicas de an谩lisis de redes para crear rasgos que permitan cuantificar num茅ricamente las interacciones entre los empleados, haciendo especial hincapi茅 en la t茅cnica de extracci贸n de grupos llamada Non-negative Matrix Factorization (NMF). Finalmente, analizaremos qu茅 caracter铆sticas son las que m谩s influyen a la hora de predecir el riesgo que un empleado tiene de abandonar su puesto de trabajo.


Categories: Sin categor铆a Tags:

Viernes, 14 de julio de 2017 Sin comentarios