Predicción de rotación de empleados usando modelos de aprendizaje automático

Vista sencilla de ítem
dc.contributor.advisorSuárez Sierra, Biviana Marcelaspa
dc.contributor.advisorRomán Calderón, Juan Pablospa
dc.contributor.authorPalacio Mesa, Luis Javier
dc.coverage.spatialMedellín de: Lat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degrees Long: 075 36 00 W degrees minutes Long: -75.6000 decimal degreeseng
dc.creator.degreeMagíster en Ciencias de Datos y Analíticaspa
dc.creator.emailljpalaciom@eafit.edu.cospa
dc.date.accessioned2023-06-23T17:39:15Z
dc.date.available2023-06-23T17:39:15Z
dc.date.issued2023
dc.descriptionLas 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)spa
dc.identifier.ddc006.31 P153
dc.identifier.urihttp://hdl.handle.net/10784/32615
dc.language.isospaspa
dc.publisherUniversidad EAFITspa
dc.publisher.departmentEscuela de Administraciónspa
dc.publisher.placeMedellínspa
dc.publisher.programMaestría en Ciencias de los Datos y Analíticaspa
dc.rightsTodos los derechos reservadosspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.localAcceso abiertospa
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0/deed.es
dc.subjectPredicción de rotación de empleadosspa
dc.subjectAprendizaje automáticospa
dc.subjectLSTMspa
dc.subjectAnalítica de recursos humanosspa
dc.subject.lembAPRENDIZAJE AUTOMÁTICO (INTELIGENCIA ARTIFICIAL)spa
dc.subject.lembCAPITAL HUMANOspa
dc.subject.lembESTABILIDAD LABORALspa
dc.subject.lembCIENCIA DE LA INFORMACIÓNspa
dc.subject.lembCAPITAL INTELECTUALspa
dc.titlePredicción de rotación de empleados usando modelos de aprendizaje automáticospa
dc.typemasterThesiseng
dc.typeinfo:eu-repo/semantics/masterThesiseng
dc.type.hasVersionacceptedVersioneng
dc.type.localTesis de Maestríaspa
dc.type.spaMonografíaspa

Archivos

Bloque original
Mostrando 1 - 3 de 3
No hay miniatura disponible
Nombre:
formulario_autorizacion_publicacion_obras.pdf
Tamaño:
533.77 KB
Formato:
Adobe Portable Document Format
Descripción:
Formulario autorización publicación obras
Descargar
No hay miniatura disponible
Nombre:
LuisJavier_PalacioMesa_2023.pdf
Tamaño:
3.1 MB
Formato:
Adobe Portable Document Format
Descripción:
Trabajo de grado
Descargar
No hay miniatura disponible
Nombre:
carta_aprobacion_trabajo_grado_eafit.pdf
Tamaño:
199.79 KB
Formato:
Adobe Portable Document Format
Descripción:
Carta aprobación trabajo de grado
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
2.5 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Maestría en Ciencias de los Datos y Analítica (tesis)