Автор: C.K. Образец III, директор по продуктам YouEarnedIt Эта статья изначально была опубликована на HR.com . Возможно, в течение последнего десятилетия нам говорили - может быть, для молодых читателей, всю вашу жизнь - что технологии разрушают нашу способность общаться с другими людьми. Это разрушает изящество, которое строит близкие, искренние отношения. Что мы хуже общаемся из-за чрезмерного использования текстовых сообщений, мгновенных сообщений и социальных сетей. Если..

Цель . Цель этого анализа - выявить факторы, приводящие к выбытию сотрудников. Источник данных : этот вымышленный набор данных создан специалистами по данным IBM и опубликован на сайте Kaggle . В этом наборе данных 1470 записей о сотрудниках. GitHub: нажмите здесь для просмотра всех скриптов. Краткое резюме. После экспериментов с моделями логистической регрессии, дерева решений и случайного леса модель логистической регрессии в целом стала лучше предсказывать увольнение..

В наши дни много шума вокруг так называемого «ИИ в HR». Большинство поставщиков заявляют, что в их продуктах есть своего рода машинное обучение, а некоторые делают заявления, которые с точки зрения человека, занимающегося этим последние 15 лет, кажутся маловероятными. Понимание того, что могут (и чего не могут) эти новые технологии, имеет жизненно важное значение, если HR может оценить их покупку или работать со своими внутренними командами над проектированием, разработкой и внедрением..

Насколько мощно смотреть в будущее и предсказывать то, что еще не произошло? В Data Science это позволяет машинное обучение! Гениально, извлекая уроки из того, что произошло в прошлом, чтобы предсказать, что потенциально может произойти в будущем. Как мы можем себе представить, применение такой техники может быть революционным в People Analytics, один из классических вариантов использования - прогнозирование увольнений сотрудников. ML настолько повзрослел с момента своего появления,..