Thesis: Análisis de la deserción laboral en empresas mediante técnicas de aprendizaje automatizado
| datacite.subject.fos | Natural sciences::Computer and information sciences | |
| dc.contributor.department | Departamento de Informática | |
| dc.contributor.guia | Marti Lara, José Luis | |
| dc.coverage.spatial | Campus Santiago San Joaquín | |
| dc.creator | Tognarelli Vargas, Antonio | |
| dc.date.accessioned | 2026-10-28T19:13:07Z | |
| dc.date.available | 2026-10-28T19:13:07Z | |
| dc.date.issued | 2026 | |
| dc.description.abstract | El presente trabajo tiene como objetivo analizar y predecir la deserción laboral en empresas, mediante la aplicación de técnicas de análisis de datos y aprendizaje automático sobre información proveniente del área de Recursos Humanos. La investigación se basa en un conjunto de datos de acceso público, ampliamente utilizado en estudios académicos relacionados con la deserción laboral. Para el desarrollo del estudio se adoptó la metodología CRISP-DM, permitiendo estructurar de manera sistemática las etapas de comprensión del negocio, comprensión de los datos, preparación de los datos, modelado, evaluación y despliegue. Se implementaron diversos algoritmos de aprendizaje supervisado con el propósito de identificar patrones asociados a la deserción laboral y evaluar su capacidad predictiva. Los resultados obtenidos evidencian que el uso de modelos de aprendizaje automático constituye una herramienta eficaz para anticipar el riesgo de deserción laboral, facilitando la generación de información relevante para la toma de decisiones estratégicas. De este modo, el estudio aporta un enfoque analítico que contribuye a la gestión proactiva del capital humano, apoyando el diseño de estrategias orientadas a la retención del talento en las organizaciones. | es |
| dc.description.degree | Magíster en Tecnologías de la Información | |
| dc.driver | info:eu-repo/semantics/masterThesis | |
| dc.format.extent | 28 páginas | |
| dc.identifier.barcode | MP_AT_2006 | |
| dc.identifier.doi | 10.71959/hm9d-0z67 | |
| dc.identifier.uri | https://cris.usm.cl/handle/123456789/7212 | |
| dc.identifier.uri | https://doi.org/10.71959/hm9d-0z67 | |
| dc.language.iso | es | |
| dc.publisher | Universidad Técnica Federico Santa María | |
| dc.rights | Attribution 4.0 International | en |
| dc.rights.uri | http://creativecommons.org/licenses/by/4.0/ | |
| dc.subject | Deserción laboral | |
| dc.subject | Aprendizaje Automatizado | |
| dc.subject | Recursos humanos | |
| dc.subject | Aprendizaje supervisado | |
| dc.subject | Modelos predictivos | |
| dc.subject.ods | 8 Trabajo decente y crecimiento económico | |
| dc.subject.ods | 9 Industria, innovación e infraestructura | |
| dc.title | Análisis de la deserción laboral en empresas mediante técnicas de aprendizaje automatizado | |
| dc.type.driver | info:eu-repo/semantics/masterThesis | |
| dspace.entity.type | Tesis |
Política de Privacidad 
