Après avoir suivi ces cours, je me sens confiant dans la création de visualisations et de tableaux de bord professionnels.
Shoebur RahmanSpécialiste des marchés publics, Giz Bangladesh
Description du cours
Parmi tous les domaines métiers, les RH restent les moins transformées. Pourtant, les récents progrès des outils et technologies de collecte et d’analyse des données permettent désormais une prise de décision fondée sur les données dans toutes les dimensions, y compris les RH. Ce cours vous apportera des bases solides pour traiter des données d’employés et développer un modèle prédictif afin d’analyser le turnover.
Prérequis
Programme de formation
Plan du cours
1
Introduction à l’analytique RH
Dans ce chapitre, vous découvrirez les problématiques traitées par l’analytique RH et explorerez un jeu de données RH exemple qui sera analysé par la suite. Vous décrirez et visualiserez certaines variables clés, puis transformerez et manipulerez le jeu de données pour le rendre prêt pour l’analyse.
- Introduction et vue d’ensemble50 XP
- Identifier les variables catégorielles100 XP
- Observer les variables catégorielles100 XP
- Transformer des variables catégorielles50 XP
- Encoder des catégories100 XP
- Créer des variables indicatrices100 XP
- Piège des variables fictives100 XP
- Statistiques descriptives50 XP
- Corrélations dans les données des employés50 XP
- Pourcentage d’employés ayant quitté l’entreprise100 XP
2
Prédire le turnover des employés
Ce chapitre présente l’une des techniques de classification les plus populaires : l’arbre de décision. Vous l’utiliserez pour développer un algorithme qui prédit le turnover des employés.
3
Évaluer le modèle de prédiction du turnover
Ici, vous apprendrez à évaluer un modèle et à comprendre à quel point il est « bon ». Vous comparerez différents arbres pour choisir le meilleur.
4
Choisir le meilleur modèle de prédiction du turnover
Dans ce dernier chapitre, vous apprendrez à utiliser la validation croisée pour éviter le surapprentissage des données d’entraînement. Vous verrez aussi comment identifier les variables les plus influentes et celles qui le sont peu. Enfin, vous mettrez en pratique ces compétences pour construire un arbre de décision plus performant !
Analytique RH : prédire l’attrition des employés en Python
Cours
terminé
