20 / 20

participants / team

Topic provider

Introduction


人才是企業最重要的資源,提早發現員工離職傾向並留任優秀人才,是企業持續成長的重要議題。員工離職預測是利用大數據與人工智慧,分析員工未來是否會有離職的風險,以利針對離職風險較高的優秀員工,及早啟動留才管理機制。
此議題中蒐集了多個可能會影響員工離職的因素,如年齡層、績效、最高學歷、出差數、請假數…等。公司的人資部門必須參考過去的經驗以及條件狀況,來判斷目前還在職的員工之離職傾向。在此議題中,參賽者需使用機器學習的方法,建立模型來分析、預測未來員工是否會離職。

本議題僅開放臺北科技大學許嘉裕教授「Data Science」課程專題使用。

Activity time

活動結束於 2021/06/25 午夜 11 時 59 分。

Evaluation Criteria


本議題採用平均絕對誤差 F beta score [1],beta = 1.5。公式如下: $$ F_{\beta} = {(1+\beta^2)\cdot {precision \cdot recall \over (\beta ^2 \cdot precision)+recall}} \\ $$

Reference
[1] F1 score:
https://en.wikipedia.org/wiki/F1_score

Rules

  • 活動評估結果以最後選擇的結果為基準,若參加者無選擇最後成果則表示棄權本議題。
  • 上傳次數限制為 3 次/天。
  • 本議題不允許組隊,同一人只能有一組帳號,人員不得重複參加,違者經確認後會取消參賽資格。
  • 參與者若使用外部資料集,應避免使用未來資料當作預測結果之依據,且須在討論區留下資料集說明及取得的來源供所有人參考。
  • 參賽作品所使用之資料、技術與程式碼,均屬參賽者之原創或已取得合法授權,若有任何第三者主張侵害智慧財產權或其他違法情事,均由參賽者自行出面處理;若有侵害他人智慧財產權之情事者,主辦單位將取消競賽及得獎資格,參賽者應自行負擔相關法律責任。
  • 參賽成果之智慧財產權歸屬參賽者擁有,其著作授權、專利申請、技術移轉及權益分配等相關事宜,應依相關法令辦理。
  • 不同帳號禁止交流答案,違者視同舞弊。
  • 若活動發生舞弊行為,則舞弊之隊伍將被取消參加資格,並由他隊依排名遞補。
  • 測試資料的答案上傳後,成績將分為兩部份計算:
    • 活動截止時間之前,系統僅計算部份測試資料的答案,並公佈於 Public Leaderboard;此資料佔全部測試資料的 40%。
    • 活動截止時間之後,系統將會計算另一部份測試資料(60%)的答案,並公佈於 Private Leaderboard,以做為最後成績;並以此成績為最後的排名依據。
  • 入圍者接到通知後,需於 11/4 前需繳交報告,才具備敘獎資格。(報告不會對外公開)
  • 未來如有任何爭議,主辦單位將保留最終決定權。