كان الهدف من المشروع تحليل مشكلة ترك الموظفين للعمل والتنبؤ بالموظفين الأكثر عرضة للمغادرة، لمساعدة الشركات على اتخاذ قرارات استباقية.

بدأت بتحليل 14,999 سجلًا، وفحص جودة البيانات والعوامل المرتبطة بالموظفين، مثل الرضا والتقييم وعدد المشاريع وساعات العمل والترقيات. بعد اكتشاف السجلات المكررة، تم تنظيف البيانات والاعتماد على 11,991 سجلًا فريدًا. كما أنشأت متغيرًا جديدًا لتمثيل حالة العمل الزائد بناءً على ساعات العمل الشهرية.

بنيت نماذج تنبؤية باستخدام Logistic Regression وRandom Forest، مع تقسيم البيانات إلى تدريب وتحقق واختبار لضمان تقييم النموذج على بيانات مستقلة. حقق النموذج النهائي دقة 96.5%، وRecall بنسبة 86.4%، وF1 بنسبة 89.2%، وROC-AUC بنسبة 96.1%.

أظهر تحليل أهمية المتغيرات أن التقييم الأخير، وعدد المشاريع، ومدة العمل، والعمل الزائد كانت من أبرز العوامل التنبؤية. يمكن استخدام النموذج لتحديد الموظفين الذين يحتاجون إلى مزيد من الدراسة، مع التمييز بين الارتباطات التنبؤية والأسباب الفعلية لترك العمل.

Tools: Python, Pandas, NumPy, Scikit-learn, Matplotlib, Seaborn.