Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Machine Learning Monografia 2
Machine Learning Monografia 2
ASIGNATURA:
Comportamiento Organizacional
HS144V
DOCENTE:
ALUMNOS:
Chirinos Quispe Ángel
Mucching Vidal Kenji Armando
Sequeiros Huayta Fabrizio Jesús
Junio 2019
INTRODUCCIÓN
INTRODUCCION
1.1. DEFINICIÓN
1.2. CLASIFICACIÓN:
1.3. IMPORTANCIA
3.2. BIO
3.3. Empresas que usan ML
4.6. No todo es ML
CONCLUSIONES
BIBLIOGRAFÍA
CAPITULO I
MACHINE LEARNING
1.1. Definición
El Machine Learning es el estudio científico de algoritmos y modelos
estadísticos que los sistemas informáticos utilizan para realizar de manera
efectiva una tarea específica sin utilizar instrucciones explícitas, sino que se
basan en patrones e inferencias. Otra manera de definirlo sería como una
rama de la inteligencia artificial enfocado en desarrollar técnicas que
permitan que las computadoras aprendan. En concreto, consiste en crear
programas capaces de generalizar comportamientos a partir de una
información suministrada en forma de ejemplos.
1.2. Importancia
La cantidad de datos que se generan actualmente en las empresas se está
incrementado de forma exponencial. Extraer información valiosa de ellos
supone una ventaja competitiva que no se puede menospreciar. El reto de
sacar partido de los datos se ha simplificado enormemente. El Machine
Learning de hoy no es como antes. Esto quiere decir que con datos de
calidad, tecnologías adecuadas y análisis propicios es posible actualmente
crear modelos de comportamiento para analizar datos de gran volumen y
complejidad. Además, los sistemas proporcionan resultados rápidos y
precisos sin intervención humana, incluso a gran escala. El resultado:
predicciones de alto valor para tomar mejores decisiones y desarrollar
mejores acciones de negocio.
1.3. Ventajas competitivas
Estos programas/algoritmos son capaces de leer enormes cantidades de
datos a una velocidad imposible para el ser humano, así como “aprender”
combinando estos patrones para llegar a nuevas conclusiones derivadas de
los mismos. Esto lleva a pensar la posibilidad de que en un futuro cercano
estas máquinas lleguen a conclusiones innovadoras en lapsos muchísimo
menores a la capacidad humana de procesarlos, permitiéndonos dar un
verdadero salto en calidad de vida.
CAPÍTULO II
El objetivo actual de esta empresa es comprender los factores que lleven a las
renuncias creando un modelo de machine learning (algoritmo predictivo),
predecir quiénes son los empleados con alto riesgo de renuncia, entender un
perfil ideal, crear herramientas que ayuden a los ejecutivos a diseñar programas
de retención, reclutamiento y mantener alertas al equipo de Recursos Humanos.
“El tema de "Machine Learning" y "HR Analytics" no solo puede ser usado para
empleados, también se pueden generar modelos para predecir deserción de
estudiantes, predecir desempeño de fuerzas de venta o de estudiantes,
clasificar o agrupar empleados o estudiantes en perfiles similares y luego tomar
acciones más personalizadas.” David Vaisberg.
3.3. Empresas que usan ML:
Esta entrevista fue realizada vía Skype el día jueves 13 de junio con 2
especialistas del BBVA: Keven Fernández Carrillo (Analista De Inteligencia
Analítica) y María Alejandra Huamaní Miranda (Discipline Manager Advanced
Analytics de Talento y Cultura).
Otro ejemplo: Tenemos un montón de CVs que llegan a diario al banco, entonces
quita tiempo porque se tiene que leer 1 a 1 y se debe ver si es que el CV cumple
con los requisitos. Entonces las personas que se dedican a esto pierden mucho
tiempo para revisar por CV por CV para luego pasarle al jefe. Se busca hacer un
algoritmo o sistema que pueda leer los miles de CV que llegan y crear una lista
priorizando qué vacante tendría más opción que otra.
MAHM:
Todas las disciplinas accionan muchas cosas, las encuestas para cada servicio
busca hacer un mapa de servicio para buscar dónde es que no están accionando
con el colaborador.
MAHM:
Experiencia Interbank:
4.6. No todo es ML
KFC: Se encontró que hay gente que gana bastante, pero con bajo rendimiento.
Y no necesariamente debes aplicar ML para darte cuenta de eso.
MAHM: El modelo ML empieza con una parte descriptiva, hago un TOP TALENT
del banco para ver los trabajadores que quiero retener, entonces yo hago un
modelo de Fuga del Banco (los que se van), yo digo “mira es una persona que
tiene bajo performance”, entonces cruzo mi modelo con este mapa de talento
realizado. La analítica avanzada no solo es modelar si no poner una estrategia
al negocio, mediante estos debes saber quiénes se van y quienes se quedan, de
repente se van 1000 pero estos 20 se quedan, entonces a estos 20 debes ver
cuánto le aumentas, modelar es hacer todo el análisis.
CONCLUSIONES
https://www.blog.andaluciaesdigital.es/machine-learning-empresas/
https://www.youtube.com/watch?v=kmbkXdvAtDY
https://www.blog.andaluciaesdigital.es/inteligencia-artificial-para-la-
ciberseguridad/
https://es.ihodl.com/investment/2016-04-19/7-empresas-que-estan-
haciendo-maravillas-con-la-ia/
https://www.criteo.com/es/insights/3-marcas-que-han-sacado-el-maximo-
partido-al-machine-learning/
https://www.bi-spain.com/articulo/69551/el-banco-peruano-interbank-
adopta-tecnologia-de-business-intelligence-para-mejorar-la-toma-de-
decisiones
https://quantum-talent.landen.co/
https://gestion.pe/especial/50-ideas-de-negocios/noticias/tecnologia-
gestionar-talento-y-predecir-desempeno-noticia-1992554
https://www.bio.com.pe/single-post/2018/01/15/Rotación-de-empleados-
Por-qué-Explorando-el-mundo-de-HR-Analytics
https://www.bio.com.pe/single-post/2018/01/15/Rotaci%C3%B3n-de-
empleados-Por-qu%C3%A9-Explorando-el-mundo-de-HR-Analytics