Pular para o conteúdo principal
InícioPythonHR Analytics: Predicting Employee Churn in Python

HR Analytics: Predicting Employee Churn in Python

In this course you'll learn how to apply machine learning in the HR domain.

Comece O Curso Gratuitamente
4 horas14 vídeos44 exercícios
8.102 aprendizesTrophyDeclaração de Realização

Crie sua conta gratuita

GoogleLinkedInFacebook

ou

Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.
GroupTreinar 2 ou mais pessoas?Experimente o DataCamp For Business

Amado por alunos de milhares de empresas


Descrição do Curso

Among all of the business domains, HR is still the least disrupted. However, the latest developments in data collection and analysis tools and technologies allow for data driven decision-making in all dimensions, including HR. This course will provide a solid basis for dealing with employee data and developing a predictive model to analyze employee turnover.
Para Empresas

GroupTreinar 2 ou mais pessoas?

Obtenha acesso à biblioteca completa do DataCamp, com relatórios, atribuições, projetos e muito mais centralizados
Experimente O DataCamp for BusinessPara uma solução sob medida , agende uma demonstração.
  1. 1

    Introduction to HR Analytics

    Gratuito

    In this chapter you will learn about the problems addressed by HR analytics, as well as will explore a sample HR dataset that will further be analyzed. You will describe and visualize some of the key variables, transform and manipulate the dataset to make it ready for analytics.

    Reproduzir Capítulo Agora
    Introduction and overview
    50 xp
    Finding categorical variables
    100 xp
    Observing categoricals
    100 xp
    Transforming categorical variables
    50 xp
    Encoding categories
    100 xp
    Getting dummies
    100 xp
    Dummy trap
    100 xp
    Descriptive statistics
    50 xp
    Correlations in the employee data
    50 xp
    Percentage of employees who churn
    100 xp
  2. 4

    Choosing the best turnover prediction model

    In this final chapter, you will learn how to use cross-validation to avoid overfitting the training data. You will also learn how to know which features are impactful, and which are negligible. Finally, you will use these newly acquired skills to build a better performing Decision Tree!

    Reproduzir Capítulo Agora
Para Empresas

GroupTreinar 2 ou mais pessoas?

Obtenha acesso à biblioteca completa do DataCamp, com relatórios, atribuições, projetos e muito mais centralizados

conjuntos de dados

Employee turnover data

colaboradores

Collaborator's avatar
Lore Dirick
Collaborator's avatar
Nick Solomon

pré-requisitos

Intermediate Python
Hrant Davtyan HeadshotHrant Davtyan

Assistant Professor of Data Science at the American University of Armenia

Ver Mais

O que os outros alunos têm a dizer?

Junte-se a mais de 14 milhões de alunos e comece HR Analytics: Predicting Employee Churn in Python hoje mesmo!

Crie sua conta gratuita

GoogleLinkedInFacebook

ou

Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.