Построение модели прогнозирования оттока сотрудников
- Страницы / Pages
- 35-41
Аннотация
Для многих производственных предприятий и крупных компаний с большим количеством сотрудников характерна проблема текучести кадров и неопределенность в этом отношении. В результате руководство не способно эффективно контролировать отток ценных кадров, что может привести к снижению производительности. В работе поставлена задача построить прогнозирующую модель оттока сотрудников, которая помогла бы в решении данной проблемы. Рассмотрен набор данных оттока сотрудников, опробованы некоторые алгоритмы машинного обучения, среди которых выбран оптимальный, обучена прогнозирующая модель.
Abstract
For many manufacturing enterprises and large companies which emply many people, there is a problem of staff turnover and, thus, unreliability. As a result, management can't effectively control the outflow of highly qualified personnel, which can result in reduced productivity. The author sees his task in addressing this issue through building a predictive model of the employee outflow. The research included reviewing a dataset of employee outflow, developing some machine learning algorithms and testing a predictive model.
Список литературы
1. Гайдышев И. П. Оценка качества бинарных признаков // Вестник Омского университета. 2016. № 1. С. 14—17.
2. Кузьмичев С. М. Текучесть кадров — положительный или отрицательный фактор развития организации? // Молодой ученый. 2018. № 13. С. 235—238.
3. Никулин А. А. Текучесть кадров и ее минимизации // Международный научно-исследовательский журнал. 2015. № 1. С. 88—90.
4. Синяева Л. П. Текучесть кадров как индикатор адекватности управления предприятием // Концепт. 2013. Спецвыпуск № 4. С. 1—7.
5. Флах П. Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных : учеб. пособие. М., 2015.
6. Шеремет А. Д. Управленческий учет : учеб. пособие. М., 2009.
7. Joblib. URL: https://joblib.readthedocs.io/en/latest/ (дата обращения: 18.03.2019).
8. Kaggle. Human Resource. URL: https://www.kaggle.com/kuniowu/human- resource (дата обращения: 09.03.2019).