Desarrollo de un modelo predictivo basado en aprendizaje de máquina para mejorar el proceso de selección de personal en una empresa de consultoría tecnológica

• Autor: Nolasco Chavez, Ronaldo Farid
• Formato: tesis de grado
• Fecha de Publicación: 2023
• Institución: Universidad Nacional de Ingeniería
• Repositorio: UNI-Tesis
• Lenguaje: español
• OAI Identifier: oai:cybertesis.uni.edu.pe:20.500.14076/27102
• Enlace del recurso: http://hdl.handle.net/20.500.14076/27102
• Nivel de acceso: acceso abierto
• Materia: Modelos Predictivos; Aprendizaje de máquina; Proceso de selección de personal; Consultoría tecnológica; https://purl.org/pe-repo/ocde/ford#2.02.04

En los últimos años, se ha observado una gran complejidad en el proceso de selección de personal en empresas relacionadas con la consultoría tecnológica. Esto se debe a la gran demanda de candidatos para los puestos en este sector, la alta competencia en términos de conocimientos requeridos y también a los recursos limitados de las empresas contratantes para cumplir con las fechas de entrega de los proyectos. Es debido a ello que en la presente tesis se presenta un modelo predictivo basado en aprendizaje de máquina, con el fin de predecir un conjunto de candidatos que sean más aptos para el puesto de trabajo, y poder plasmar estos resultados en un reporte para el área de RRHH, el cual usará para tomar la decisión final de contratación. Se han evaluado los resultados de la solución, obteniendo métricas de exactitud y precisión que superan el 98%, lo que proporciona seguridad en los resultados obtenidos. De igual manera, se ha evaluado la capacidad para lograr estos resultados en un tiempo mínimo, logrando tiempos de filtrado de candidatos menores a 5 segundos, y también tiempos de generación de reporte menor a 0.1 segundos, ambos tiempos óptimos para el proceso. Por un lado, esta solución logra resolver el problema para la empresa a la que está aplicado, pero, por otro lado, el aporte al campo de conocimiento hace que sea posible replicar este desarrollo a otras empresas del mismo sector dentro del territorio peruano.