Modelos de predicción de renuncia de colaboradores en el Banco de Bogotá
El presente informe, titulado “Modelos de predicción de renuncia de colaboradores en el Banco de Bogotá”, tiene como objetivo detallar el trabajo realizado durante mi pasantía en esta empresa. La meta principal es desarrollar e implementar modelos que permitan anticipar las renuncias de los colabora...
- Autores:
-
González Osorio, Yhan Carlos
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2024
- Institución:
- Universidad Distrital Francisco José de Caldas
- Repositorio:
- RIUD: repositorio U. Distrital
- Idioma:
- spa
- OAI Identifier:
- oai:repository.udistrital.edu.co:11349/39906
- Acceso en línea:
- http://hdl.handle.net/11349/39906
- Palabra clave:
- Modelos predictivos
Bosques Aleatorios
Regresión logística
Fugas de talento
Variables influyentes
Fidelización del colaborador
Conservación del talento humano
Matemáticas - Tesis y disertaciones académicas
Prediction models
Random forests
Logistic regression
Employee retention
Random Forests
- Rights
- License
- Attribution-NonCommercial-NoDerivatives 4.0 Internacional
| id |
UDISTRITA2_5ed2d21b11077909398d8afbf42f7035 |
|---|---|
| oai_identifier_str |
oai:repository.udistrital.edu.co:11349/39906 |
| network_acronym_str |
UDISTRITA2 |
| network_name_str |
RIUD: repositorio U. Distrital |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Modelos de predicción de renuncia de colaboradores en el Banco de Bogotá |
| dc.title.titleenglish.spa.fl_str_mv |
Models for predicting employee resignations at Banco de Bogotá |
| title |
Modelos de predicción de renuncia de colaboradores en el Banco de Bogotá |
| spellingShingle |
Modelos de predicción de renuncia de colaboradores en el Banco de Bogotá Modelos predictivos Bosques Aleatorios Regresión logística Fugas de talento Variables influyentes Fidelización del colaborador Conservación del talento humano Matemáticas - Tesis y disertaciones académicas Prediction models Random forests Logistic regression Employee retention Random Forests |
| title_short |
Modelos de predicción de renuncia de colaboradores en el Banco de Bogotá |
| title_full |
Modelos de predicción de renuncia de colaboradores en el Banco de Bogotá |
| title_fullStr |
Modelos de predicción de renuncia de colaboradores en el Banco de Bogotá |
| title_full_unstemmed |
Modelos de predicción de renuncia de colaboradores en el Banco de Bogotá |
| title_sort |
Modelos de predicción de renuncia de colaboradores en el Banco de Bogotá |
| dc.creator.fl_str_mv |
González Osorio, Yhan Carlos |
| dc.contributor.advisor.none.fl_str_mv |
Masmela Caita, Luis Alejandro |
| dc.contributor.author.none.fl_str_mv |
González Osorio, Yhan Carlos |
| dc.subject.none.fl_str_mv |
Modelos predictivos Bosques Aleatorios Regresión logística Fugas de talento Variables influyentes Fidelización del colaborador Conservación del talento humano |
| topic |
Modelos predictivos Bosques Aleatorios Regresión logística Fugas de talento Variables influyentes Fidelización del colaborador Conservación del talento humano Matemáticas - Tesis y disertaciones académicas Prediction models Random forests Logistic regression Employee retention Random Forests |
| dc.subject.lemb.none.fl_str_mv |
Matemáticas - Tesis y disertaciones académicas |
| dc.subject.keyword.none.fl_str_mv |
Prediction models Random forests Logistic regression Employee retention Random Forests |
| description |
El presente informe, titulado “Modelos de predicción de renuncia de colaboradores en el Banco de Bogotá”, tiene como objetivo detallar el trabajo realizado durante mi pasantía en esta empresa. La meta principal es desarrollar e implementar modelos que permitan anticipar las renuncias de los colaboradores activos en la entidad. Para lograrlo, se emplearon dos enfoques: Bosques Aleatorios y Regresión Logística. En este último, se utilizaron técnicas de regularización como Lasso, Ridge y Elastic Net, con el fin de crear mapas de calor que faciliten la detección de posibles fugas de talento. Además, se identificaron las variables más influyentes en los resultados, proporcionando a la empresa información valiosa para tomar medidas concretas, tales como la implementación de proyectos de fidelización de colaboradores, contribuyendo así a la retención y conservación del talento humano. |
| publishDate |
2024 |
| dc.date.accessioned.none.fl_str_mv |
2024-08-20T15:16:07Z |
| dc.date.available.none.fl_str_mv |
2024-08-20T15:16:07Z |
| dc.date.created.none.fl_str_mv |
2024-04-05 |
| dc.type.spa.fl_str_mv |
bachelorThesis |
| dc.type.degree.spa.fl_str_mv |
Pasantía |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/11349/39906 |
| url |
http://hdl.handle.net/11349/39906 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.none.fl_str_mv |
Abonaplata. (2019). Análisis exploratorio de datos con Python. Kaggle. Tomado de https:// www.kaggle.com/code/abonaplata/analisis-exploratorio-de-datos-con-python/ notebook Breiman, L. (2001). Random forests. Machine Learning, 45 (1), 5–32 Cardona, N. (2020). Predicción y selección de variables con Bosques Aleatorios en presencia de variables correlacionadas. Universidad Nacional de Colombia Seabold, S., & Perktold, J. (2010). statsmodels: Econometric and statistical modeling with python. In 9th Python in Science Conference. Microsoft Corporation. (2023). Microsoft Excel. Tomado de https://www.microsoft.com/ es-co/microsoft-365/ Python Software Foundation. (2023). Python. Tomado de https://www.python.org Amat Rodrigo, J. (2023). Random Forest con Python. Tomado de https://www. cienciadedatos.net/documentos/py08_random_forest_python.html Amat Rodrigo, J. (2023). Regresión logística con Python. Tomado de https://www. cienciadedatos.net/documentos/py17-regresion-logistica-python.html Great Place to Work. (2023). Great Place to Work Colombia. Tomado de https://www. greatplacetowork.com.co/es/somos-gptw/quienes-somos |
| dc.rights.*.fl_str_mv |
Attribution-NonCommercial-NoDerivatives 4.0 Internacional |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
| dc.rights.acceso.spa.fl_str_mv |
Abierto (Texto Completo) |
| rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivatives 4.0 Internacional http://creativecommons.org/licenses/by-nc-nd/4.0/ Abierto (Texto Completo) http://purl.org/coar/access_right/c_abf2 |
| dc.format.mimetype.spa.fl_str_mv |
pdf |
| institution |
Universidad Distrital Francisco José de Caldas |
| bitstream.url.fl_str_mv |
https://repository.udistrital.edu.co/bitstreams/cba78f22-cbd7-4ad9-80a4-6e130f00478a/download https://repository.udistrital.edu.co/bitstreams/662a0f93-e682-49c9-8e9e-206837df01a1/download https://repository.udistrital.edu.co/bitstreams/524c8688-3c88-44f2-a8cd-e7f3800a5f10/download https://repository.udistrital.edu.co/bitstreams/f4895ef9-b1d4-4d64-b78d-a8eb6de1ee90/download https://repository.udistrital.edu.co/bitstreams/3d01679e-7bad-42f5-bb5d-c8a4854e95e2/download https://repository.udistrital.edu.co/bitstreams/49d5cf03-f9b1-469e-bf2b-5f81b3c41b5c/download |
| bitstream.checksum.fl_str_mv |
4460e5956bc1d1639be9ae6146a50347 997daf6c648c962d566d7b082dac908d 9d59694192ddfcf224d55856dcb81478 b6808f2ea3f76b5b188ecf32e219682d ac1fd97ef8da6992e39bba2776a0a56c 319ebe8f36831778005dafe2af6c085b |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Universidad Distrital |
| repository.mail.fl_str_mv |
repositorio@udistrital.edu.co |
| _version_ |
1837006934462431232 |
| spelling |
Masmela Caita, Luis AlejandroGonzález Osorio, Yhan Carlos2024-08-20T15:16:07Z2024-08-20T15:16:07Z2024-04-05http://hdl.handle.net/11349/39906El presente informe, titulado “Modelos de predicción de renuncia de colaboradores en el Banco de Bogotá”, tiene como objetivo detallar el trabajo realizado durante mi pasantía en esta empresa. La meta principal es desarrollar e implementar modelos que permitan anticipar las renuncias de los colaboradores activos en la entidad. Para lograrlo, se emplearon dos enfoques: Bosques Aleatorios y Regresión Logística. En este último, se utilizaron técnicas de regularización como Lasso, Ridge y Elastic Net, con el fin de crear mapas de calor que faciliten la detección de posibles fugas de talento. Además, se identificaron las variables más influyentes en los resultados, proporcionando a la empresa información valiosa para tomar medidas concretas, tales como la implementación de proyectos de fidelización de colaboradores, contribuyendo así a la retención y conservación del talento humano.This report, titled “Prediction Models for Employee Resignation at Banco de Bogotá,” aims to present the work completed during my internship at the company. The primary objective is to develop and implement models to predict potential employee resignations among active staff members. To achieve this, two models were utilized: Random Forests and Logistic Regression. For the latter, regularization techniques such as Lasso, Ridge, and Elastic Net were employed to create heat maps for detecting potential talent attrition. Additionally, the most influential variables were identified, providing valuable insights that will help the company take concrete actions, such as implementing employee retention projects, ultimately aiding in the preservation and management of human talent.pdfspaAttribution-NonCommercial-NoDerivatives 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/Abierto (Texto Completo)http://purl.org/coar/access_right/c_abf2Modelos predictivosBosques AleatoriosRegresión logísticaFugas de talentoVariables influyentesFidelización del colaboradorConservación del talento humanoMatemáticas - Tesis y disertaciones académicasPrediction modelsRandom forestsLogistic regressionEmployee retentionRandom ForestsModelos de predicción de renuncia de colaboradores en el Banco de BogotáModels for predicting employee resignations at Banco de BogotábachelorThesisPasantíainfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fAbonaplata. (2019). Análisis exploratorio de datos con Python. Kaggle. Tomado de https:// www.kaggle.com/code/abonaplata/analisis-exploratorio-de-datos-con-python/ notebookBreiman, L. (2001). Random forests. Machine Learning, 45 (1), 5–32Cardona, N. (2020). Predicción y selección de variables con Bosques Aleatorios en presencia de variables correlacionadas. Universidad Nacional de ColombiaSeabold, S., & Perktold, J. (2010). statsmodels: Econometric and statistical modeling with python. In 9th Python in Science Conference.Microsoft Corporation. (2023). Microsoft Excel. Tomado de https://www.microsoft.com/ es-co/microsoft-365/Python Software Foundation. (2023). Python. Tomado de https://www.python.orgAmat Rodrigo, J. (2023). Random Forest con Python. Tomado de https://www. cienciadedatos.net/documentos/py08_random_forest_python.htmlAmat Rodrigo, J. (2023). Regresión logística con Python. Tomado de https://www. cienciadedatos.net/documentos/py17-regresion-logistica-python.htmlGreat Place to Work. (2023). Great Place to Work Colombia. Tomado de https://www. greatplacetowork.com.co/es/somos-gptw/quienes-somosCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8805https://repository.udistrital.edu.co/bitstreams/cba78f22-cbd7-4ad9-80a4-6e130f00478a/download4460e5956bc1d1639be9ae6146a50347MD53LICENSElicense.txtlicense.txttext/plain; charset=utf-87167https://repository.udistrital.edu.co/bitstreams/662a0f93-e682-49c9-8e9e-206837df01a1/download997daf6c648c962d566d7b082dac908dMD54ORIGINALGonzalezOsorioYhanCarlos2024.pdfGonzalezOsorioYhanCarlos2024.pdfTrabajo de gradoapplication/pdf2441597https://repository.udistrital.edu.co/bitstreams/524c8688-3c88-44f2-a8cd-e7f3800a5f10/download9d59694192ddfcf224d55856dcb81478MD51Licencia de uso y publicacion.pdfLicencia de uso y publicacion.pdfapplication/pdf548620https://repository.udistrital.edu.co/bitstreams/f4895ef9-b1d4-4d64-b78d-a8eb6de1ee90/downloadb6808f2ea3f76b5b188ecf32e219682dMD52THUMBNAILGonzalezOsorioYhanCarlos2024.pdf.jpgGonzalezOsorioYhanCarlos2024.pdf.jpgIM Thumbnailimage/jpeg6348https://repository.udistrital.edu.co/bitstreams/3d01679e-7bad-42f5-bb5d-c8a4854e95e2/downloadac1fd97ef8da6992e39bba2776a0a56cMD55Licencia de uso y publicacion.pdf.jpgLicencia de uso y publicacion.pdf.jpgIM Thumbnailimage/jpeg12092https://repository.udistrital.edu.co/bitstreams/49d5cf03-f9b1-469e-bf2b-5f81b3c41b5c/download319ebe8f36831778005dafe2af6c085bMD5611349/39906oai:repository.udistrital.edu.co:11349/399062025-01-28 01:12:39.917http://creativecommons.org/licenses/by-nc-nd/4.0/Attribution-NonCommercial-NoDerivatives 4.0 Internacionalopen.accesshttps://repository.udistrital.edu.coRepositorio Universidad Distritalrepositorio@udistrital.edu.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 |