Build your ultimate AI agent
Описание курса
Среди всех бизнес-областей HR по-прежнему остаётся наименее затронутой цифровой трансформацией. Однако современные инструменты сбора и анализа данных открывают возможности для принятия решений на основе данных во всех направлениях, включая управление персоналом. Этот курс даст вам прочную основу для работы с кадровыми данными и разработки прогностической модели анализа текучести сотрудников.
Предварительные требования
Программа
Структура курса
1
Введение в HR-аналитику
В этой главе вы познакомитесь с задачами, которые решает HR-аналитика, а также изучите учебный набор кадровых данных, который будет использоваться на протяжении всего курса. Вы опишете и визуализируете ключевые переменные, а затем преобразуете и подготовите набор данных к анализу.
- Введение и обзор50 XP
- Поиск категориальных переменных100 XP
- Изучение категориальных переменных100 XP
- Преобразование категориальных переменных50 XP
- Кодирование категорий100 XP
- Создание фиктивных переменных100 XP
- Ловушка фиктивных переменных100 XP
- Описательная статистика50 XP
- Корреляции в данных о сотрудниках50 XP
- Доля сотрудников, покинувших компанию100 XP
2
Прогнозирование текучести кадров
В этой главе рассматривается один из самых популярных методов классификации — дерево решений. Вы воспользуетесь им, чтобы разработать алгоритм прогнозирования текучести сотрудников.
3
Оценка модели прогнозирования текучести
Здесь вы научитесь оценивать модель и понимать, насколько она эффективна. Вы сравните несколько деревьев решений и выберете лучшее из них.
4
Выбор наилучшей модели прогнозирования текучести
В заключительной главе вы узнаете, как применять кросс-валидацию, чтобы избежать переобучения на обучающей выборке. Вы также научитесь определять, какие признаки оказывают наибольшее влияние на результат, а какими можно пренебречь. Наконец, вы используете полученные знания, чтобы построить более точное дерево решений.
HR-аналитика: прогнозирование текучести кадров на Python
Курс
завершён
