Análisis Predictivo de Salarios y Contratación en el Sector Tecnológico

Introducción

Este proyecto se centra en el análisis de datos de recursos humanos para predecir el salario de los postulantes y determinar si serán contratados, utilizando técnicas de modelado de datos. El objetivo es entender mejor las tendencias del mercado laboral en el sector tecnológico y apoyar la toma de decisiones informadas en procesos de contratación.

---

Contexto

Un equipo de Recursos Humanos proporcionó datos que incluyen diversas características de los postulantes influyentes en:

1. El salario solicitado por los postulantes.
2. La decisión de contratación por parte de la empresa.

Características de los datos

• Experiencia: Años de experiencia en el área.
• Posición: Cargo deseado (Analista, Coordinador, Gerente).
• Hijos: Número de hijos del postulante.
• Casado: Estado civil (0 para no casado, 1 para casado).
• Educación: Nivel máximo de estudios (Bachillerato, Licenciatura, Posgrado).
• Salario: Cantidad solicitada en pesos mexicanos.
• Contratado: Indica si el postulante fue contratado (0 para no contratado, 1 para contratado).

---

Objetivos

1. Predicción Salarial: Desarrollar un modelo de regresión lineal para estimar el salario solicitado.
2. Clasificación de Contratación: Crear modelos predictivos para determinar si un postulante será contratado.

---

Conjunto de Datos

Dos conjuntos de datos, cada uno con 1000 registros, fueron utilizados. Contienen las siguientes columnas comunes:

• Experiencia
• Posición
• Hijos
• Casado
• Educación
• Salario

El segundo conjunto incluye además la columna "Contratado".

Procesamiento de los datos:

• Carga de datos con la librería Pandas.
• Exploración y limpieza de datos:
  • Verificación de valores únicos, nulos y duplicados.
  • Eliminación de valores atípicos.
• Transformación de variables categóricas en numéricas mediante one-hot encoding.

---

Metodología

1. Preprocesamiento de Datos:

   • Limpieza y tratamiento de valores faltantes.
   • Codificación de variables categóricas.
   • Estandarización de variables independientes para mejorar el rendimiento de los modelos.

2. Modelado:

   • Regresión Lineal: Predicción de salario.
   • Regresión Logística: Clasificación de postulantes contratados.
   • SVM (Support Vector Machines): Modelo adicional para comparar el rendimiento con la regresión logística.

3. Evaluación de Modelos:

   • Regresión Lineal:
     • Error Cuadrático Medio (MSE).
     • Raíz del Error Cuadrático Medio (RMSE).
     • Coeficiente de Determinación (R2).
   • Modelos de Clasificación:
     • Precisión (accuracy).
     • Matriz de confusión.
     • Área Bajo la Curva ROC (AUC).

4. División de Datos:

   • 80% para entrenamiento.
   • 20% para prueba.

---

Resultados

1. Modelo de Regresión Lineal:

   • R2: 0.70 (70% de la variabilidad del salario explicada).
   • RMSE: 6494.37 MXN (desviación promedio de las predicciones).

2. Modelo de Regresión Logística:

   • Precisión: 70%.
   • AUC: 0.6675 (capacidad discriminativa moderada).

3. Modelo SVM:

   • Precisión: 74% (mejor rendimiento comparado con la regresión logística).

---

Conclusiones

• Predicción Salarial: El modelo de regresión lineal explica una proporción significativa de la variabilidad del salario, pero hay factores adicionales que podrían mejorar la predicción.
• Clasificación de Contratación: Los modelos de regresión logística y SVM tienen un buen rendimiento, con SVM mostrando una ligera ventaja.
• Variable Clave: La experiencia es un factor determinante tanto en la predicción de salarios como en la contratación.

---

Herramientas

• Python: Lenguaje principal.
• Pandas: Manipulación y análisis de datos.
• NumPy: Operaciones numéricas.
• Scikit-learn: Implementación de modelos de machine learning y métricas de evaluación.
• Matplotlib y Seaborn: Visualización de datos.

---

Este proyecto demuestra la aplicación de técnicas de ciencia de datos en el análisis predictivo, brindando valiosas herramientas para optimizar procesos de contratación en el sector tecnológico.