Implementación de machine learning en la rotación de personal

El informe aborda la importancia de la retención del personal en una empresa y cómo la alta rotación de personal puede afectar la productividad, la innovación y la rentabilidad. Para evitar la fuga de talentos, se propone el uso de herramientas de análisis de datos y machine learning para intentar predecir el fenómeno de rotación y fuga de talentos dentro de las organizaciones. El objetivo general del informe es diseñar una estrategia mediante el uso de análisis de datos y machine learning para entender y predecir el fenómeno de fuga de talentos dentro de las compañías para la toma inteligente e informada de decisiones en el área de retención de recursos humanos. El informe también describe los factores y aspectos que afectan a la retención de personal, explora posibles estrategias para aumentar la retención de personal y propone acciones para minimizar la tasa de rotación.

Grantor dc:publisher

Ingeniería de Sistemas

Year dc:date

2024

Authors dc:creator

• Castro Bravo, Andres Camilo
• Otalora Cubides, Luis Eduardo
• Sánchez Olave, Lesly Katherine
• Toquica Toquica, Paula Lorena

Contributors dc:contributor

• Velosa García, José Divitt

• Capital Humano
• Machine Learning
• Modelos de Clasificación
• Matriz de confusión
• Human Capital
• Classification Models
• Confusion Matrix
• Ingeniería de sistemas
• Administración del conocimiento
• Aprendizaje activo
• aprendizaje organizacional

Statement dc:rights

• info:eu-repo/semantics/openAccess
• Abierto (Texto Completo)
• Atribución-NoComercial-SinDerivadas 2.5 Colombia

Licence

• http://creativecommons.org/licenses/by-nc-nd/2.5/co/

Language dc:language

spa

Identifier

BDM-FIS
instname:Universidad Ean
reponame:Repositorio Institucional Biblioteca Digital Minerva
https://repository.ean.edu.co/

OAI identifier oai:identifier

oai:null:10882/13431