In this project-based course, we will build, train and test a machine learning model to predict employee attrition using features such as employee job satisfaction, distance from work, compensation and performance. We will explore two machine learning algorithms, namely: (1) logistic regression classifier model and (2) Extreme Gradient Boosted Trees (XG-Boost). This project could be effectively applied in any Human Resources department to predict which employees are more likely to quit based on their features.

Employee Attrition Prediction Using Machine Learning

(15 Bewertungen)
Empfohlene Erfahrung
Was Sie lernen werden
Understand the theory and intuition behind logistic regression classifier models
Build, train and test a logistic regression classifier model in Scikit-Learn
Perform data cleaning, feature engineering and visualization
Kompetenzen, die Sie festigen
- Kategorie: Data Preprocessing
- Kategorie: Feature Engineering
- Kategorie: Predictive Modeling
- Kategorie: Data Processing
- Kategorie: Supervised Learning
- Kategorie: Data Science
- Kategorie: Statistical Visualization
- Kategorie: Logistic Regression
- Kategorie: Data Visualization
- Kategorie: Model Evaluation
- Kategorie: Data Cleansing
- Kategorie: Statistical Machine Learning
- Kategorie: Model Training
- Kategorie: People Analytics
- Kategorie: Data Wrangling
- Kategorie: Machine Learning
- Kategorie: Regression Analysis
- Kategorie: Applied Machine Learning
- Kategorie: Statistical Modeling
Tools, die Sie verwenden werden
- Kategorie: Scikit Learn (Machine Learning Library)
Wichtige Details

Zu Ihrem LinkedIn-Profil hinzufügen
Nur als Desktop-Version verfügbar
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Lernen, Üben und Anwenden von berufsrelevanten Fähigkeiten in weniger als 2 Stunden
- Nehmen Sie an Schulungen von Branchenexperten teil
- Sammeln Sie mit Aufgaben aus der realen Welt praktische Erfahrung
- Schaffen Sie Vertrauen durch neueste Tools und Technologien

Über dieses begleitete Projekt
Schritt für Schritt lernen
In einem Video, das auf einer Hälfte Ihres Arbeitsbereichs abgespielt wird, führt Sie Ihr Dozent durch diese Schritte:
Understand the Problem Statement and Business Case
Import Libraries and Datasets
Perform Data Visualization
Perform Data Visualization - Continued
Create Training and Testing Datasets
Understand the Intuition Behind Logistic Regression
Train and Evaluate a Logistic Regression Model
Empfohlene Erfahrung
Basic python programming and Machine Learning Knowledge
7 Projektbilder
Dozent

von
Was Sie beim Lernen erwartet
Auf Kompetenzen basierendes, praktisches Lernen
Üben Sie die Anwendung neuer Kompetenzen anhand von berufsbezogenen Aufgabenstellungen.
Anleitung durch Experten
Lernen Sie mit vorab von Experten aufgezeichneten Videos in einer einzigartigen aufgeteilten Oberfläche.
Keine Downloads oder Installation erforderlich
Greifen Sie in einem vordefinierten Cloud-Arbeitsbereich auf die Tools und Ressourcen zu.
Nur für Desktop verfügbar
Dieses begleitete Projekt ist für die Bearbeitung an einem Laptop oder Desktop-Computer mit stabiler Internetverbindung konzipiert und nicht für Mobilgeräte.
Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.

Jennifer J.

Larry W.

Chaitanya A.
Bewertungen von Lernenden
- 5 stars
66,66 %
- 4 stars
26,66 %
- 3 stars
0 %
- 2 stars
0 %
- 1 star
6,66 %
Zeigt 3 von 15 an
Geprüft am 17. Nov. 2022
Great explanation of step wise process to go from EDA to Train/test/split to building a model.
Ihnen könnte auch Folgendes gefallen:

S.P. Jain Institute of Management and Research

Neue Karrieremöglichkeiten mit Coursera Plus
Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - alles in Ihrem Abonnement enthalten
Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.
Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online
Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.
Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.




