#ANALYTIQUE RH #STATISTIQUE #REGRESSION LOGISTIQUE #PYTHON #KNIME 

Ce que vous apprendrez

  • Effectuer la classification en créant des modèles pouvant prédire le départ d'un employé

  • Analyser les facteurs ayant le plus d'influence sur le départ

  • Créer un modèle de régression logistique

  • Votre expérimente d'apprentissage

    Apprendre par la pratique, développer votre intuition et comprendre les concepts de base.

  • Notre objectif

    Vous fournir une expérience d’apprentissage pour vous aider à atteindre vos objectifs.

  • Prérequis

    Connaissances de base en Python, KNIME et en statistique.

  • Applications

    Analyser les facteurs ayant le plus d'influence sur un événement

  • Outils

    Python, KNIME

Contenu du projet pratique

    1. Bienvenue

    2. Prérequis

    3. Option Premium

    4. Avant que nous commencions...

    1. Vue d’ensemble du projet

    2. Objectifs d'apprentissage

    3. Domaines d’application

    4. Ressources

    5. Mise en place de l’environnement

    6. Code initial

    1. Description de la tâche

    1. Description de la tâche

    2. Conseils

    3. Solution

    1. Description de la tâche

    2. Conseils

    3. Solution

    1. Description de la tâche

    2. Solution
  • Gratuit
  • 43 leçons

Description

Le processus de sélection des employés est une étape cruciale pour les ressources humaines. Les critères de recrutement choisir par l'entreprise déterminent à quel point un employé performera dans son domaine. Lorsqu'on embauche un employé, le meilleur intérêt de l'entreprise est de le garder le plus longtemps possible. De ce fait, il est possible de trouver quels critères font en sorte qu'un employé reste ou non dans une entreprise et quels critères causent son départ. Nous allons faire appel à une bases de données. Celle-ci contient des informations démographiques et des informations reliées au CV de 360 employés recrutés. Les données proviennent d'une entreprise de consultation en management, SlidesRUS, tirées du site open source KoganPages et utilisées à des fins d'analyse dans le livre «Predictive HR Analytics » par Martin R Edwards et Kristen Edwards.

Certificat d'achèvement

Instructrice

Maria Gioada

Partenaire Formation

Stagiaire en science de données En tant qu’étudiante au HEC Montréal, ma maîtrise en intelligence d’affaires m’a permis d’expandre mes connaissances dans le domaine de l’analyse de données, la gestion de base de données, l’apprentissage machine, etc. en réalisant des projets autant théoriques que pratiques en R, SQL, SAS et Python. De plus, je détiens un intérêt envers l’enseignement, que ce soit dans le milieu scolaire ou professionnel. Comme l’IA et le Big Data prennent de plus en plus de place dans notre quotidien, ceux-ci deviendront des outils en forte demande, voire essentiels et c’est pour cela que je souhaite partager mon expérience dans ce domaine en utilisant des explications simples et concrètes.

Questions fréquemment posées

  • De quels logiciels et versions ai-je besoin ?

    À définir

  • Est-ce que le cours de préparation est obligatoire à suivre

    Non. Le cours a été conçu comme une référence

  • Est-ce que le contenu sera encore disponible après la fin du projet

    Absolument et pour toujours!