DSpace logo
Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.ucsg.edu.ec/handle/3317/22603
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorCarrera Buri, Félix Miguel-
dc.contributor.authorArroyo Becerra, Doris Nayeli-
dc.contributor.authorRíos Arambulo, Sara María-
dc.date.accessioned2024-03-11T22:27:54Z-
dc.date.available2024-03-11T22:27:54Z-
dc.date.issued2024-02-15-
dc.identifier.urihttp://repositorio.ucsg.edu.ec/handle/3317/22603-
dc.descriptionLa Inteligencia Artificial (IA) se centra en el desarrollo de sistemas que puedan realizar tareas que normalmente requieren inteligencia humana, incluidas actividades como el aprendizaje, la resolución de problemas, el reconocimiento de patrones y la toma de decisiones. La Inteligencia Artificial tiene una variedad de aplicaciones, desde asistentes virtuales y chatbots hasta algoritmos de recomendación. Su continuo desarrollo ha tenido un impacto significativo en áreas como la salud, la industria y la investigación, cambiando la forma en que interactuamos con la tecnología y creando nuevas oportunidades en una variedad de campos. El presente trabajo de investigación tuvo como objetivo principal elaborar un modelo de Machine Learning para clasificar los factores predominantes que influyen en la rotación temprana de empleados de Grupo Difare, de la región Andina del Ecuador, lo que a su vez permita tomar decisiones estratégicas acerca del pronóstico del comportamiento a futuro. Dicho análisis fue llevado mediante la implementación del algoritmo Random Forest o Bosque Aleatorio, en el software estadístico RStudio. Lo que permitió evaluar las causas principales de las renuncias voluntarias del personal de talento de la entidad comercial, y por consiguiente, brindar recomendaciones para prevenir la tendencia creciente del fenómeno de rotación de personal, el mismo que tiene un impacto en la productividad y dinámica organizacional.en_US
dc.description.abstractArtificial Intelligence (AI) focuses on the development of systems that can perform tasks that normally require human intelligence, including activities such as learning, problem solving, pattern recognition and decision making. Artificial Intelligence has a variety of applications, from virtual assistants and chatbots to recommendation algorithms. Its continuous development has had a significant impact in areas such as healthcare, industry and research, changing the way we interact with technology and creating new opportunities in a variety of fields. The main objective of this research work was to develop a Machine Learning model to classify the predominant factors that influence the early turnover of employees of Difare Group, in the Andean region of Ecuador, which in turn allows making strategic decisions about the forecast of future behavior. This analysis was carried out through the implementation of the Random Forest algorithm in the statistical software RStudio. This allowed us to evaluate the main causes of voluntary resignations of talented personnel of the commercial entity, and consequently, to provide recommendations to prevent the growing trend of the phenomenon of staff turnover, which has an impact on productivity and organizational dynamics.en_US
dc.formatapplication/pdfen_US
dc.language.isospaen_US
dc.publisherUniversidad Católica de Santiago de Guayaquilen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/4.0/en_US
dc.subjectINTELIGENCIA DE NEGOCIOSen_US
dc.subjectINTELIGENCIA ARTIFICIALen_US
dc.subjectGESTIÓN DE TALENTO HUMANOen_US
dc.subjectROTACIÓN DEL PERSONALen_US
dc.subjectDESEMPEÑO LABORALen_US
dc.subjectANÁLISIS DE DATOSen_US
dc.titleAnálisis de factores predominantes en la rotación temprana de empleados de grupo Difare de la región sierra aplicando machine learning.en_US
dc.typeinfo:eu-repo/semantics/bachelorThesisen_US
Aparece en las colecciones: Trabajos de Titulación - Carrera de Negocios Internacionales

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
T-UCSG-PRE-CEAE-CNI-117.pdf1,89 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons