Predicción de bajas de empleados en una compañía usando modelos de Machine Learning
RESUMEN : La rotación de empleados se ha convertido en un problema para las empresas en la actualidad; una alta rotación implica gasto de mayores recursos en reclutamiento y capacitaciones, para el caso que se está tratando, una empresa de venta de seguros, la contratación de un nuevo vendedor impli...
- Autores:
-
Jimenez Osorio, Shirley Viviana
- Tipo de recurso:
- Tesis
- Fecha de publicación:
- 2023
- Institución:
- Universidad de Antioquia
- Repositorio:
- Repositorio UdeA
- Idioma:
- spa
- OAI Identifier:
- oai:bibliotecadigital.udea.edu.co:10495/37587
- Acceso en línea:
- https://hdl.handle.net/10495/37587
- Palabra clave:
- Inteligencia artificial
Machine Learning
Cambio de empleo
Labor turnover
Técnicas de predicción
Forecasting techniques
Estabilidad laboral
Employment stabilization
Renuncia de empleados
Employees - Resignation
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by-nc-sa/2.5/co/
| id |
UDEA2_af8ab31f71f4b2e40bc641df97752fcd |
|---|---|
| oai_identifier_str |
oai:bibliotecadigital.udea.edu.co:10495/37587 |
| network_acronym_str |
UDEA2 |
| network_name_str |
Repositorio UdeA |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Predicción de bajas de empleados en una compañía usando modelos de Machine Learning |
| dc.title.translated.spa.fl_str_mv |
Attrition prediction of employees in a company using Machine Learning models |
| title |
Predicción de bajas de empleados en una compañía usando modelos de Machine Learning |
| spellingShingle |
Predicción de bajas de empleados en una compañía usando modelos de Machine Learning Inteligencia artificial Machine Learning Cambio de empleo Labor turnover Técnicas de predicción Forecasting techniques Estabilidad laboral Employment stabilization Renuncia de empleados Employees - Resignation |
| title_short |
Predicción de bajas de empleados en una compañía usando modelos de Machine Learning |
| title_full |
Predicción de bajas de empleados en una compañía usando modelos de Machine Learning |
| title_fullStr |
Predicción de bajas de empleados en una compañía usando modelos de Machine Learning |
| title_full_unstemmed |
Predicción de bajas de empleados en una compañía usando modelos de Machine Learning |
| title_sort |
Predicción de bajas de empleados en una compañía usando modelos de Machine Learning |
| dc.creator.fl_str_mv |
Jimenez Osorio, Shirley Viviana |
| dc.contributor.advisor.none.fl_str_mv |
Daniela Serna Buitrago |
| dc.contributor.author.none.fl_str_mv |
Jimenez Osorio, Shirley Viviana |
| dc.subject.lemb.none.fl_str_mv |
Inteligencia artificial Machine Learning Cambio de empleo Labor turnover Técnicas de predicción Forecasting techniques Estabilidad laboral Employment stabilization Renuncia de empleados Employees - Resignation |
| topic |
Inteligencia artificial Machine Learning Cambio de empleo Labor turnover Técnicas de predicción Forecasting techniques Estabilidad laboral Employment stabilization Renuncia de empleados Employees - Resignation |
| description |
RESUMEN : La rotación de empleados se ha convertido en un problema para las empresas en la actualidad; una alta rotación implica gasto de mayores recursos en reclutamiento y capacitaciones, para el caso que se está tratando, una empresa de venta de seguros, la contratación de un nuevo vendedor implica un periodo de ajuste en capacidades de ventas, dada por la experiencia, por tal razón la identificación de posibles bajas futuras le permitirá al área de Gestión Humana realizar intervenciones de retención que permitan la permanencia del empleado. En este documento se hará una presentación de diversos experimentos ejecutados para predecir la deserción de un empleado, siendo la variable de salida, 1 deserta, 0 permanece. Se corrieron 3 modelos de Machine Learning, el primero es un árbol de decisión donde se ejecutaron dos iteraciones, probando inicialmente con parámetros elegidos a criterio propio y la segunda usando funciones específicas que determinan los mejores parámetros, de igual manera se corre un modelo de Máquina de vectores de soporte SVM y una regresión logística aplicando las funciones de mejores parámetros. Por último, se aplica una iteración corriendo los 3 modelos bajo validación cruzada. Los resultados indican que el mejor modelo para predecir las bajas de los empleados es el de árbol de decisión usando validación cruzada y funciones de detección de mejores parámetros, esto le permitirá a la compañía identificar a qué empleados deben intervenir urgentemente y comenzar el proceso de retención con los profesionales en Gestión Humana. |
| publishDate |
2023 |
| dc.date.accessioned.none.fl_str_mv |
2023-12-13T18:44:19Z |
| dc.date.available.none.fl_str_mv |
2023-12-13T18:44:19Z |
| dc.date.issued.none.fl_str_mv |
2023 |
| dc.type.spa.fl_str_mv |
Tesis/Trabajo de grado - Monografía - Especialización |
| dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_46ec |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/COther |
| dc.type.coarversion.spa.fl_str_mv |
http://purl.org/coar/version/c_b1a7d7d4d402bcce |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/other |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/draft |
| format |
http://purl.org/coar/resource_type/c_46ec |
| status_str |
draft |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/10495/37587 |
| url |
https://hdl.handle.net/10495/37587 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-sa/2.5/co/ |
| dc.rights.uri.spa.fl_str_mv |
https://creativecommons.org/licenses/by-nc-sa/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/2.5/co/ https://creativecommons.org/licenses/by-nc-sa/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.spa.fl_str_mv |
44 |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Universidad de Antioquia |
| dc.publisher.place.spa.fl_str_mv |
Medellín, Colombia |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ingeniería. Especialización en Analítica y Ciencia de Datos |
| institution |
Universidad de Antioquia |
| bitstream.url.fl_str_mv |
https://bibliotecadigital.udea.edu.co/bitstreams/9f4908e6-b2de-4723-98ec-08092be3e39c/download https://bibliotecadigital.udea.edu.co/bitstreams/1d39834c-5a5f-4d36-9d7c-d134942cecda/download https://bibliotecadigital.udea.edu.co/bitstreams/e8530d64-73cb-4f8a-88b0-054f7e444c85/download https://bibliotecadigital.udea.edu.co/bitstreams/80870e74-e3cc-4139-b7de-f05a2e79b529/download https://bibliotecadigital.udea.edu.co/bitstreams/27808ddf-f2f7-4151-a266-d016e0b6b81c/download |
| bitstream.checksum.fl_str_mv |
e2060682c9c70d4d30c83c51448f4eed 8a4605be74aa9ea9d79846c1fba20a33 9746441b1f8ed6ae6bb0d55e77f169db 2d3ab30b97a4d955423b56a3ec9542cb 8276c1a9aeb7153fa2e72450fa8f8c5a |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional de la Universidad de Antioquia |
| repository.mail.fl_str_mv |
aplicacionbibliotecadigitalbiblioteca@udea.edu.co |
| _version_ |
1851052216426692608 |
| spelling |
Daniela Serna BuitragoJimenez Osorio, Shirley Viviana2023-12-13T18:44:19Z2023-12-13T18:44:19Z2023https://hdl.handle.net/10495/37587RESUMEN : La rotación de empleados se ha convertido en un problema para las empresas en la actualidad; una alta rotación implica gasto de mayores recursos en reclutamiento y capacitaciones, para el caso que se está tratando, una empresa de venta de seguros, la contratación de un nuevo vendedor implica un periodo de ajuste en capacidades de ventas, dada por la experiencia, por tal razón la identificación de posibles bajas futuras le permitirá al área de Gestión Humana realizar intervenciones de retención que permitan la permanencia del empleado. En este documento se hará una presentación de diversos experimentos ejecutados para predecir la deserción de un empleado, siendo la variable de salida, 1 deserta, 0 permanece. Se corrieron 3 modelos de Machine Learning, el primero es un árbol de decisión donde se ejecutaron dos iteraciones, probando inicialmente con parámetros elegidos a criterio propio y la segunda usando funciones específicas que determinan los mejores parámetros, de igual manera se corre un modelo de Máquina de vectores de soporte SVM y una regresión logística aplicando las funciones de mejores parámetros. Por último, se aplica una iteración corriendo los 3 modelos bajo validación cruzada. Los resultados indican que el mejor modelo para predecir las bajas de los empleados es el de árbol de decisión usando validación cruzada y funciones de detección de mejores parámetros, esto le permitirá a la compañía identificar a qué empleados deben intervenir urgentemente y comenzar el proceso de retención con los profesionales en Gestión Humana.ABSTRACT : Employee attrition has become a problem for companies today; A high turnover implies spending greater resources on recruitment and training, for the case in question, an insurance sales company, the hiring of a new salesperson implies a period of adjustment in sales capabilities, given by experience, by For this reason, the identification of possible future withdrawals will allow the Human Management area to carry out retention interventions that allow the employee to remain. In this document, a presentation will be made of various experiments executed to predict the desertion of an employee, with the output variable being 1 deserts, 0 remains. 3 Machine Learning models were run, the first is a decision tree where two iterations were executed, initially testing with parameters chosen at our own discretion and the second using specific functions that determine the best parameters, in the same way a Machine model is run. of SVM support vectors and a logistic regression applying the best parameter functions. Finally, an iteration is applied running the 3 models under cross validation. The results indicate that the best model to predict employee withdrawals is the decision tree using cross-validation and detection functions of better parameters. This will allow the company to identify which employees should intervene urgently and begin the process of retention with professionals in Human Management.EspecializaciónEspecialista en Analítica y Ciencia de Datos44application/pdfspaUniversidad de AntioquiaMedellín, ColombiaFacultad de Ingeniería. Especialización en Analítica y Ciencia de Datoshttp://creativecommons.org/licenses/by-nc-sa/2.5/co/https://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Predicción de bajas de empleados en una compañía usando modelos de Machine LearningAttrition prediction of employees in a company using Machine Learning modelsTesis/Trabajo de grado - Monografía - Especializaciónhttp://purl.org/coar/resource_type/c_46echttp://purl.org/redcol/resource_type/COtherhttp://purl.org/coar/version/c_b1a7d7d4d402bcceinfo:eu-repo/semantics/otherinfo:eu-repo/semantics/draftInteligencia artificialMachine LearningCambio de empleoLabor turnoverTécnicas de predicciónForecasting techniquesEstabilidad laboralEmployment stabilizationRenuncia de empleadosEmployees - ResignationPublicationCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81051https://bibliotecadigital.udea.edu.co/bitstreams/9f4908e6-b2de-4723-98ec-08092be3e39c/downloade2060682c9c70d4d30c83c51448f4eedMD53falseAnonymousREADLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://bibliotecadigital.udea.edu.co/bitstreams/1d39834c-5a5f-4d36-9d7c-d134942cecda/download8a4605be74aa9ea9d79846c1fba20a33MD54falseAnonymousREADORIGINALJimenezShirley_2023_PredicciónDeBajasDeEmpleados.pdfJimenezShirley_2023_PredicciónDeBajasDeEmpleados.pdfTrabajo de grado de especializaciónapplication/pdf1411664https://bibliotecadigital.udea.edu.co/bitstreams/e8530d64-73cb-4f8a-88b0-054f7e444c85/download9746441b1f8ed6ae6bb0d55e77f169dbMD52trueAnonymousREADTEXTJimenezShirley_2023_PredicciónDeBajasDeEmpleados.pdf.txtJimenezShirley_2023_PredicciónDeBajasDeEmpleados.pdf.txtExtracted texttext/plain56759https://bibliotecadigital.udea.edu.co/bitstreams/80870e74-e3cc-4139-b7de-f05a2e79b529/download2d3ab30b97a4d955423b56a3ec9542cbMD55falseAnonymousREADTHUMBNAILJimenezShirley_2023_PredicciónDeBajasDeEmpleados.pdf.jpgJimenezShirley_2023_PredicciónDeBajasDeEmpleados.pdf.jpgGenerated Thumbnailimage/jpeg7135https://bibliotecadigital.udea.edu.co/bitstreams/27808ddf-f2f7-4151-a266-d016e0b6b81c/download8276c1a9aeb7153fa2e72450fa8f8c5aMD56falseAnonymousREAD10495/37587oai:bibliotecadigital.udea.edu.co:10495/375872025-03-26 18:46:09.487http://creativecommons.org/licenses/by-nc-sa/2.5/co/open.accesshttps://bibliotecadigital.udea.edu.coRepositorio Institucional de la Universidad de Antioquiaaplicacionbibliotecadigitalbiblioteca@udea.edu.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 |
