인공지능(AI) 도구 오렌지로 바로 실행하는 피플 애널리틱스

들어가기 전에 ⅱ
사례 데이터 활용 방법 ⅵ

PART 01 인공지능과 HR의 연계:피플 애널리틱스
01 HR 의사결정, 분석이냐 직관이냐? 3
02 왜 지금 피플 애널리틱스인가? 10
03 피플 애널리틱스의 실행 단계 20

PART 02 피플 애널리틱스 실행을 위해알아야 할 것들
01 인공지능은 어떻게 일을 하는가? 31
02 인공지능이 잘 해결할 수 있는 영역은? 40
03 인공지능이 일을 잘했다는 것을 어떻게 알 수 있을까? 46
04 인공지능에서 활용하는 알고리즘은? 54
05 인공지능 모델의 성능을 어떻게 고도화할까? 69

PART 03 AI 도구 오렌지(Orange)를 활용한 분석 실행하기
오렌지 설치하기 83
사례 1 퇴직자 예측: 누가 왜 회사를 떠나는가? 86
사례 2 HR과 조직 성과: HR을 잘하면 성과가 좋을까? 146
사례 3 구성원 개인에게 적합한 교육 과정은? 183
사례 4 우리의 채용 대상자는 누구인가? 219
사례 5 Kaggle Competitions: 타이타닉, 주택 가격 250

PART 04 피플 애널리틱스의 미래 과제
01 데이터와 친해지기 295
02 향후 피플 애널리틱스 실행의 주요 포인트 300

참고 사이트 및 자료 304
사례 데이터 활용 방법
사례에 사용되는 데이터 파일은 출판사 홈페이지(www.pybook.co.kr) 도서자료실에서 다운로드할 수 있다.
사례에 활용할 파일은 사례별 폴더로 나뉘어져 있다. 사례 데이터의 구성은 다음과 같다.

● 사례 1 폴더
train: 퇴직자 파악을 위한 학습 데이터
test: 향후 퇴직자 예측을 위한 테스트 데이터
train_Involvement: 재직자 직무 몰입 분석을 위한 데이터

● 사례 2 폴더
Case2_Analysis_Basic: HRM과 조직 성과 관계 파악을 위한 학습 데이터
Case2_Analysis_Test: HRM을 통한 조직 성과 예측을 위한 테스트 데이터
Case2_Analysis_prediction: 예측치와 실제치의 오차 분석 결과

● 사례 3 폴더
employee_course_ratings: 구성원 ID, 과목 ID, 구성원 평가 점수 등의 데이터
course_names: 과목 ID와 과목명 데이터
employee_names: 구성원 ID, 구성원 이름 데이터
Popular_Course_Deriving: 인기 과목 도출을 위한 코딩 내용
Index_Adjusting: 인덱스 조정을 위한 코딩 내용

● 사례 4 폴더
aug_train: 채용 대상자 파악을 위한 학습 데이터
aug_test: 채용 데이터 예측을 위한 테스트 데이터

● 사례 5 폴더: 1_타이타닉
train: 생존자 파악을 위한 학습 데이터
train_cabin_regroup: train 데이터 중 cabin 변수를 조정한 데이터
test: 생존자 예측 시 활용할 테스트 데이터
test_cabin_regroup: test 데이터 중 cabin 변수를 조정한 데이터
gender_submission: 예측한 결과의 제출 형식을 보여주는 파일

● 사례 5 폴더: 2_주택가격
train: 주택가격 예측을 위한 학습 데이터
train_Modify: train 데이터의 결측값 형식을 바꾼 데이터
test: 주택가격 예측할 때 활용하는 테스트 데이터
test_Modify: test 데이터의 결측값 형식을 바꾼 데이터
sample_submission: 예측한 결과의 제출 형식을 보여주는 파일
data_description: 변수의 의미를 설명하는 텍스트 파일