Predikce nemocnosti zaměstnanců Škoda Auto pomocí strojového učení
Diplomová práceDatum publikování
2019
Autoři
Vedoucí práce
Oponent
Název časopisu
Název svazku
Vydavatel
Univerzita Pardubice
Abstrakt
Diplomová práce se zabývá popisem používaných metod strojového učení pro regresní
úlohy a následnou aplikací těchto metod na úloze zaměřené na predikci nemocnosti
zaměstnanců firmy ŠKODA AUTO, a.s. Použité metody predikce zahrnují zejména
neuronové sítě, podpůrnou vektorovou regresi a XGBoost. Výsledky ukazují, že pomocí
těchto metod lze predikovat nemocnost zaměstnanců na jednotlivých odděleních s nízkou
chybou. Výsledky všech použitých metod jsou vyhodnoceny z hlediska chyby
a vysvětleného rozptylu. Ukazuje se také, že navržený predikční model výkonností
překonává současně používaný přístup a může tak značně přispět ke zvýšení efektivnosti
řízení lidských zdrojů v oblasti personálního plánování.
Rozsah stran
74 s.
ISSN
Trvalý odkaz na tento záznam
Projekt
Zdrojový dokument
Vydavatelská verze
Přístup k e-verzi
bez omezení
Název akce
ISBN
Studijní obor
Informatika ve veřejné správě
Studijní program
Systémové inženýrství a informatika
Signatura tištěné verze
D39503
Umístění tištěné verze
Univerzitní knihovna (studovna)
Přístup k tištěné verzi
Klíčová slova
strojové učení, XGBoost, Python, Scikit-learn, neuronové sítě, nemocnost zaměstnanců, machine learning, XGBoost, Python, Scikit-learn, neural networks, employee sickness