Tematska celina 1. Uvod u HR analitiku
U ovom delu razmatramo probleme kojima se bavi HR analitika, kao i istraživanje uzorka HR seta podataka, koji će biti dalje analiziran. Opisaćete i vizuelizovati neke od ključnih varijabli, zatim transformisati i manipulisati sa setom podataka, kako biste ga pripremili za predstojeću analitiku.
Lekcija 1. Uvod i pregled
aktivnost 1: Pronalaženje kategorijskih varijabli
aktivnost 2: Razmatranje kategorija
Lekcija 2. Transformisanje kategorijskih varijabli
aktivnost 1: Kodiranje kategorija
aktivnost 2: Kreiranje dummy varijabli
aktivnost 3: Dummy zamka
Lekcija 3. Deskriptivna statistika
aktivnost 1: Korelacije u podacima o zaposlenima
aktivnost 2: Procenat zaposlenih koji napuštaju posao
Tematska celina 2. Predviđanje fluktuacije zaposlenih
Ova celina predstavlja jednu od najpopularnijih tehnika klasifikacije: stablo odlučivanja. Koristićete ga za razvoj algoritma koji predviđa fluktuaciju zaposlenih.
Lekcija 1. Podela podataka
aktivnost 1: Razdvajanje target-a (zavisne varijable) i features-a (nezavisnih varijabli)
aktivnost 2: Podela okvira podataka
Lekcija 2. Uvod u klasifikaciju stabla odlučivanja
aktivnost 1: Izračunavanje Gini indeksa
aktivnost 2: Deljenje stabla odlučivanja
Lekcija 3. Predviđanje odliva zaposlenih korišćenjem stabla odlučivanja
aktivnost 1: Ocenjivanje stabla
aktivnost 2: Provera preciznosti predikcije
Lekcija 4. Interpretacija kreiranog stabla odlučivanja
aktivnost 1: Eksportovanje kreiranog stabla odlučivanja
aktivnost 2: Interpretacija rezultata
Tematska celina 3. Evaluacija modela predikcije fluktuacije zaposlenih
U ovom delu naučićete kako da procenite model i razumete koliko je „dobar“. Uporedićete različita stabla da biste izabrali najbolje među njima.
Lekcija 1. Tjuniranje (fino podešavanje) kreiranog stabla odlučivanja
aktivnost 1: Orezivanje stabla
aktivnost 2: Ograničavanje veličine uzorka
Lekcija 2. Evaluacija modela
aktivnost 1: Interpretiranje metrika preciznosti
aktivnost 2: Izračunavanje metrike preciznosti: precision
aktivnost 3: Izračunavanje metrike preciznosti: recall
Lekcija 3. Targetiranje obe grupe zaposlenih i onih koji odlaze i onih koji ostaju
aktivnost 1: Izračunavanje ROC/AUC skora
Lekcija 4. Neravnoteža u klasama
aktivnost 1: Balansiranje klasa
aktivnost 2: Poređenje modela
Tematska celina 4. Odabir najboljeg modela za predikciju fluktuacije zaposlenih
U ovom poslednjem delu naučićete kako da koristite unakrsnu validaciju kako biste izbegli preterano prilagođavanje podacima za obuku. Takođe ćete naučiti kako da znate koji features-i su uticajni, a koji zanemarljivi. Konačno, upotrebićete znanje za izgradnju boljeg stabla odlučivanja.
Lekcija 1. Podešavanje (tjuniranje) hiperparametara
aktivnost 1: Unakrsna validacija pomoću modula sklearn
aktivnost 2: Postavljanje GridSearch parametra
aktivnost 3: Implementacija GridSearchCV-a
Lekcija 2. Važni features-i za predviđanje odliva zaposlenih
aktivnost 1: Interpretacija važnosti
aktivnost 2: Sortiranje važnih features-a
aktivnost 3: Selektovanje važnih featrures-a
aktivnost 4: Kreiraj i testiraj najbolji model upotrebom samo selektovanih features-a
Tehnički detalji interaktivne obuke
Obuka je interaktivnog karaktera, jer svaki polaznik radi i unosi komande za svojim računarom, prateći predavača. Predavač (čiji je računar povezan na projektor) polako objašnjava poslovni projekat i rešava ga unoseći jednu po jednu liniju kôda u okviru pajton razvojnog okruženja. Svaka linija kôda se detaljno elaborira.
U okviru interaktivne obuke, dobićete i detaljno napisan priručnik, sa svim aktivnostima, koji su rađeni na obuci, uključujući i sve linije kôda koje ste napisali. Takođe interaktivnu obuku prati i kreirani video materijal za svaku lekciju, gde je opet detaljno objašnjeno rešavanje poslovnog projekta i elaboracija svake linije kôda. Na ovaj način bićete u stanju da potpuno razumete i savladate kako HR analitiku, tako i odgovarajuće komande programskog jezika pajton.
Za potrebe praćenja ove obuke potrebno je umereno znanje programskog jezika pajton. Ukoliko nemate predznanje iz programiranja u pajtonu, predlaže se da prvo odslušate sledeće dve interaktivne obuke:
Uvod u pajton za finansije, kao i
Srednji nivo pajtona za finansije.
Svaka od datih interaktivnih obuka, traje takođe po dva dana, i potkrepljena je detaljno napisanim priručnicima, kao i kvalitetnim snimljenim video materijalima.
Predavač na obuci je dr Vladimir Vasić, doktor statističkih nauka, redovni profesor na Beogradskoj bankarskoj akademiji – Fakultetu za bankarstvo, osiguranje i finansije, koji ima višedecenijsko iskustvo u rešavanju brojnih privrednih poslovnih projekata u zemlji i regionu. Predavač je 17 godina, učestvovao kao najviši istraživač (klasa A1) na projektima nacionalnog značaja na istraživanjima kvantifikacije verovatnoće difolta i izgradnje kreditnog rejtinga preduzeća. Dati projekti, finansirani od Ministarstva za nauku Srbije su: „Razvoj institucija i instrumenata hipoteke i financijskog tržišta u Srbiji“ (2006-2010) i „Rizici financijskih institucija i tržišta u Srbiji – mikroekonomski i makroekonomski pristup“ (2011-2022). Takođe, predavač je više od 15 godina vodeći konsultant, kada su u pitanju izgradnja algoritama i modela alatima data mining-a. Osim višedecenijskog iskustva u prenošenju znanja naprednog modeliranja i predikcije studentima završnih godina, predavač je i autor 25 naučnih radova objavljenih u časopisima na SCI i SSCI listi.
Prijavite se putem: linka
