DSpace Repository

Data-Driven HR: Understanding and predicting employee turnover

Show simple item record

dc.contributor.advisor GROZAVU, Nistor
dc.contributor.author BRINZA, Ana-Maria
dc.date.accessioned 2022-02-04T11:30:34Z
dc.date.available 2022-02-04T11:30:34Z
dc.date.issued 2021
dc.identifier.citation BRINZA, Ana-Maria. Data-Driven HR: Understanding and predicting employee turnover: tz. de master: Programul de studiu: Tehnologia Informaţiei pentru Afaceri. Cond. şt. Nistor GROZAVU. Universitatea Tehnică a Moldovei. Chişinău, 2021. en_US
dc.identifier.uri http://repository.utm.md/handle/5014/19180
dc.description Fişierul ataşat conţine: Rezumat, Abstract, Cuprins, Introducere, Bibliografie. en_US
dc.description.abstract Thesis structure: The thesis contains annotations in Romanian and English language, contents, introduction, 4 chapters, conclusions, bibliography. Study domain: Supervised machine learning and predictive analytics. Scope: Data analysis and development of a machine learning model for a better understanding of the most influential features of employee turnover. Predicting employee turnover. Objectives: Analyzing historical data and extracting relevant information from data. Apply machine learning algorithms to the given dataset in order to predict employee turnover. Determine the most influential factors that cause employee turnover. Deep analysis of at least two machine learning algorithms. Analyzing the obtained results and evaluate the models. Define a high-level retention strategy for employee turnover. Theoretical value of the thesis: Data set description and definition. Data preparation process description. Describing what machine learning is and types of machine learning. Mathematical description of two classification models: logistic regression and random forest. Practical value of the thesis: Data analysis and visualization in python (dedicated tools and frameworks). Data pre-processing in python and preparing the data for machine learning modeling. Developing the prediction models in python (logistic regression and random forest). en_US
dc.description.abstract Structura tezei: Lucrarea conține adnotări în limbile română și engleză, cuprins, introducere, 4 capitole, concluzii, bibliografie. Domeniul de studiu: Analiza predictivă a datelor şi învățare automată supravegheată Scopul lucrării: Analiza datelor şi dezvoltarea unui model de “machine learning” pentru a înţelege factorii care infuenţiază asupra plecării angajaţilor din companie şi a prezice care sunt angajaţii cu o probabilitate mare de a părăsi compania. Obiectivele lucrării: Analiza datelor istorice şi extragerea informaţiei relevante din date. Aplicarea modelelor statistice asupra datelor pentru a determina angajaţii cu un risc sporit de plecare din companie. Determinarea factorilor decisivi în plecarea angajaţilor. Studierea şi cercetarea a sel puţin două model statistice şi analiza rezultatelor acestora. Propunerea unei strategii pentru reţinerea angajaţilor în companie. Valoarea teoretică a lucrării: Definirea datelor şi a procesului de pregătire a datelor pentru modelare. Descrierea procesului de “machine learning” şi a două modele bine cunoscute: logistic regression şi random forest. Descrierea matematică a modelelor statistice. Valoarea aplicativă a lucrării: Analiza şi vizualizarea datelor prin intermediul tool-urilor şi framework-urilor dedicate în limbajul de programare python. Procesarea datelor în python şi pregătirea lor pentru modelare. Dezvoltarea modelelor de predicţie în python (logistic regression şi random forest). en_US
dc.language.iso en en_US
dc.publisher Universitatea Tehnică a Moldovei en_US
dc.rights Attribution-NonCommercial-NoDerivs 3.0 United States *
dc.rights.uri http://creativecommons.org/licenses/by-nc-nd/3.0/us/ *
dc.subject churn en_US
dc.subject predictive analytics en_US
dc.subject machine learning en_US
dc.subject NaN values en_US
dc.subject feature encoding en_US
dc.title Data-Driven HR: Understanding and predicting employee turnover en_US
dc.type Thesis en_US


Files in this item

The following license files are associated with this item:

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-NoDerivs 3.0 United States Except where otherwise noted, this item's license is described as Attribution-NonCommercial-NoDerivs 3.0 United States

Search DSpace


Advanced Search

Browse

My Account