Forecasting employees' promotion based on the personal indicators by using a machine learning algorithm
Makine öğrenimi algoritması kullanarak kişisel göstergelere dayalı çalışan teşviklerinin tahmini
- Tez No: 755997
- Danışmanlar: DR. ÖĞR. ÜYESİ MAHMUT ÇAVUR
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Kadir Has Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yönetim Bilimleri Ana Bilim Dalı
- Bilim Dalı: Yönetim Bilişim Sistemleri Bilim Dalı
- Sayfa Sayısı: 122
Özet
İş terfii, idari gelişim için hayati önem taşıdığı ve çalışanın kendini geliştirmesi için motive etmenin bir aracı, işin yükünü ve sorumluluğunu ve bağlı olduğu pozisyonu üstlenmeye istekli olduğu için, herhangi bir organizasyonda en önemli konulardan biri olarak kabul edilir. Böylece kariyer basamaklarında daha üst sıralarda yer almak için insan kaynaklarının gerekli ihtiyaçlarının karşılanmasına katkıda bulunur. Bu nedenle, bu çalışma, eğitim sayısı, geçmiş yıl derecelendirmesi, hizmet süresi, kazanılan ödüller ve ortalama eğitim puanı gibi çeşitli özelliklere dayalı olarak bir çalışanın bir kuruluşta terfiini tahmin etmek için yeterli bir çerçeve oluşturmayı amaçlamaktadır. Bu nedenle, bu çerçeve sadece bizim çalışan terfiini tahmin etme problemimiz için değil, tüm tahmin problemlerinde kullanılabilir ve genelleştirilebilir. Bu çalışmada, çerçevenin başarısını test etmek ve kanıtlamak için Analytics Vidhya Data tarafından sağlanan promosyon verilerini kullandık. Metodolojimiz temel olarak beş aşamadan oluşur: Girdi verileri, Veri Ön İşleme, Veri Manipülasyonu, Veri Modelleme ve son olarak Veri Değerlendirme. Bu çalışmada yeni bir dizi özellik oluşturduk. Ardından, XGBoost, Random Forest, Decision Tree, Logistic Regression, AdaBoost ve Gradient Boosting gibi denetimli öğrenme tekniklerini kullanarak oluşturulan özellikler dahil olmak üzere çeşitli özellikler kullandık ve çalışanların terfi ve bağlılığına ilişkin içgörüler sağladık. Deneysel sonuçlar, XGBoost modelinin %94'lük yüksek bir doğruluğa sahip olduğunu ve en verimli olduğunu kanıtladığını gösteriyor. Sonuç, doğruluk ve verimliliğe benzer şekilde elde edilen yüksek doğrulama puanı ile vurgulanır. XGBoost sınıflandırıcı yöntemini kullanarak çalışan terfiini tahmin etmeye yönelik ilk çalışma olması sebebiyle de çok önemli ve değerli bir çalışmadır.
Özet (Çeviri)
Job promotion is considered one of the most important issues of importance in any organization, as it is vital for administrative development, and a means of motivating the worker for self-development and willingness to bear the burden and responsibility of work and the position attached to it, and thus it contributes to providing the necessary needs of the forces of mankind to occupy positions higher on the career ladder. Thus, this study aims to set up a sufficient framework to predict the promotion of an employee in an organization based on a variety of characteristics such as, but not limited to, the number of training, previous year rating, duration of service, awards earned, and average training score. Hence, this framework can be used and generalized to all prediction problems, not just our problem of predicting employee promotion. In this study, we used promotion data provided by Analytics Vidhya Data to test and prove the success of the framework. Our methodology is mainly composed of five phases: Input data, Data Pre-processing, Data Manipulation, Data Modeling, and finally Data Evaluation. We constructed a new number of features in this study. Then we used several features including creating features and providing insights into the promotion and commitment of employees and using supervised learning techniques, namely XGBoost, Random Forest, Decision Tree, Logistic Regression, AdaBoost, and Gradient Boosting. Experimental results show that the XGBoost model has a higher accuracy of 94%, proving to be the most efficient. The result is accentuated by the high validation score similar to accuracy and efficiency. It is a very important and valuable study as it is the first study to predict employee promotion using the XGBoost classifier method.
Benzer Tezler
- Sigortada dağıtım ve tutundurma metodları
Başlık çevirisi yok
BANU GÖNENÇ
Yüksek Lisans
Türkçe
1994
SigortacılıkMarmara ÜniversitesiSigortacılık Ana Bilim Dalı
DOÇ. DR. OSMAN GÜRBÜZ
- Kaliteli ekonomik büyüme perspektifinde devlet teşviklerinin rolü: KOSGEB örneği
The role of government incentives in quality economic growth perspective: The KOSGEB case
İHSAN YAPAR
Doktora
Türkçe
2024
EkonomiNiğde Ömer Halisdemir Üniversitesiİktisat Ana Bilim Dalı
PROF. DR. FATİH YÜCEL
- Şirket karlılığının artırılmasında insan kaynakları ile ilgili bir model araştırması
Başlık çevirisi yok
CÜNEYT DEMİRKAYA
Yüksek Lisans
Türkçe
1998
İnşaat Mühendisliğiİstanbul Teknik ÜniversitesiYapı İşletmesi Ana Bilim Dalı
PROF. DR. DOĞAN SORGUÇ
- Markov zincirleri ile pazar payı tahmini ve renkli televizyon pazarına ilişkin bir uygulama
Market share estimation of colored TV with markov chains for the period of 1990-1995
BÜLENT MENGÜÇ