Chuyển đến nội dung chính

Trang chủ Python

Khóa học

Phân tích Nhân sự (HR Analytics): Dự đoán nghỉ việc bằng Python

Trung cấpTrình độ kỹ năng

Đã cập nhật tháng 04, 2026

Trong khóa học này, bạn sẽ học cách áp dụng học máy trong lĩnh vực nhân sự.

Bắt Đầu Khóa Học Miễn Phí

PythonMachine Learning

4 gio

14 video

44 Bài tập

3,500 XP

8,925

Giấy chứng nhận Thành tích

Được người học tại hàng ngàn công ty yêu thích

Đào tạo một đội ngũ?

Dùng thử cho Doanh nghiệp

Mô tả khóa học

Trong số các lĩnh vực kinh doanh, HR vẫn là mảng ít bị thay đổi nhất. Tuy vậy, những tiến bộ mới trong công cụ và công nghệ thu thập, phân tích dữ liệu cho phép ra quyết định dựa trên dữ liệu ở mọi khía cạnh, bao gồm cả HR. Khóa học này sẽ cung cấp nền tảng vững chắc để bạn xử lý dữ liệu nhân viên và phát triển mô hình dự đoán nhằm phân tích tình trạng nghỉ việc của nhân viên.

Điều kiện tiên quyết

Intermediate Python

1

Giới thiệu về HR Analytics

Trong chương này, bạn sẽ tìm hiểu các vấn đề mà HR analytics giải quyết, đồng thời khám phá một tập dữ liệu HR mẫu sẽ được phân tích sâu hơn. Bạn sẽ mô tả và trực quan hóa một số biến quan trọng, biến đổi và thao tác với tập dữ liệu để sẵn sàng cho phân tích.

Giới thiệu và tổng quan

Xác định biến phân loại

Quan sát biến phân loại

Biến đổi biến phân loại

Mã hóa biến phân loại

Tạo biến giả (dummies)

Bẫy biến giả (dummy trap)

Thống kê mô tả

Tương quan trong dữ liệu nhân viên

Tỷ lệ nhân viên nghỉ việc

Bắt Đầu Chương

2

Dự đoán nhân viên nghỉ việc

Chương này giới thiệu một trong những kỹ thuật phân loại phổ biến nhất: Decision Tree. Bạn sẽ dùng nó để phát triển một thuật toán dự đoán việc nghỉ của nhân viên.

Chia tách dữ liệu

Tách Target và Features

Chia dữ liệu nhân viên

Giới thiệu về phân loại bằng Decision Tree

Tính chỉ số Gini

Chia nhánh cây

Dự đoán nhân sự nghỉ việc bằng cây quyết định

Huấn luyện cây trên dữ liệu nhân sự

Kiểm tra độ chính xác của dự đoán

Diễn giải cây quyết định

Xuất cây

Diễn giải kết quả

Bắt Đầu Chương

3

Đánh giá mô hình dự đoán nghỉ việc

Tại đây, bạn sẽ học cách đánh giá một mô hình và hiểu mô hình “tốt” đến mức nào. Bạn sẽ so sánh các cây khác nhau để chọn ra cây tốt nhất.

Điều chỉnh bộ phân loại nghỉ việc của nhân viên

Cắt tỉa cây (pruning)

Giới hạn kích thước mẫu

Đánh giá mô hình

Diễn giải các chỉ số độ chính xác

Tính chỉ số độ chính xác: precision

Tính các chỉ số độ chính xác: recall

Nhắm mục tiêu cả người rời đi và người ở lại

Tính điểm ROC/AUC

Mất cân bằng lớp

Cân bằng các lớp

So sánh các mô hình dự đoán nghỉ việc của nhân viên

Bắt Đầu Chương

4

Chọn mô hình dự đoán nghỉ việc tốt nhất

Trong chương cuối, bạn sẽ học cách dùng cross-validation để tránh overfitting trên dữ liệu huấn luyện. Bạn cũng sẽ biết cách xác định đặc trưng nào có ảnh hưởng lớn và đặc trưng nào ít quan trọng. Cuối cùng, bạn sẽ vận dụng những kỹ năng mới để xây dựng một Decision Tree có hiệu năng tốt hơn!

Tinh chỉnh siêu tham số

Cross-validation với sklearn

Thiết lập tham số cho GridSearch

Triển khai GridSearch

Những đặc trưng quan trọng để dự đoán nghỉ việc

Diễn giải mức độ quan trọng

Sắp xếp các đặc trưng quan trọng

Chọn các đặc trưng quan trọng

Phát triển và kiểm thử mô hình tốt nhất

Lời kết

Bắt Đầu Chương

Phân tích Nhân sự (HR Analytics): Dự đoán nghỉ việc bằng Python

Hoàn
Thành

Nhận Giấy Chứng Nhận Hoàn Thành

Thêm chứng chỉ này vào hồ sơ LinkedIn, CV hoặc sơ yếu lý lịch của ban
Chia sẻ trên mạng xã hội và trong đánh giá hiệu suất của banĐăng ký ngay

Tham gia cùng hơn 19 triệu học viên và bắt đầu Phân tích Nhân sự (HR Analytics): Dự đoán nghỉ việc bằng Python ngay hôm nay!

Phát triển kỹ năng dữ liệu với DataCamp cho thiết bị di động

Tiến bộ mọi lúc mọi nơi với các khóa học cho thiết bị di động và thử thách lập trình 5 phút hằng ngày.