Predicción de rotación de empleados usando modelos de aprendizaje automático
Fecha
2023
Autores
Palacio Mesa, Luis Javier
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad EAFIT
Resumen
Descripción
Las rotaciones de empleados son eventos de gran relevancia dentro de las compañías por múltiples ra-
zones. Una de estas razones es que el costo de buscar y contratar nuevos empleados que se ajusten a los puestos
disponibles es elevado, por lo que los equipos de recursos humanos tratan de identificar a las personas con inten-
ciones de irse y utilizar esta información para tomar mejores decisiones en beneficio tanto de los empleados como
de la empresa. En los últimos años, la academia ha comenzado a aplicar muchos algoritmos de aprendizaje auto-
mático para predecir la rotación de empleados, y se ha sugerido a la comunidad científica estudiar nuevos modelos
que tengan la capacidad de encontrar patrones con datos que posean una dimensión temporal. El propósito de esta
investigación es estudiar modelos para la predicción de la rotación de empleados con los datos disponibles de una
red social de empleados y realizar una comparativa del desempeño de técnicas que se han usado usualmente para
resolver este problema como Regresión logística, Random Forest y Extreme boosting frente a técnicas que estén
diseñadas para manejar secuencias de datos indexados con el tiempo como LSTM (Long Short-Term Memory)