• feature selection
• skill gap
• regressione lineare
• PCA
• information gain

Industrializzazione ed evoluzione di un algoritmo di features selection che, tramite la combinazione di diverse tecniche di questa tipologia, permetta di ridurre la dimensionalità e la complessità del processo di produzione di matrici di competenza dipendente-ruolo.
Il caso pratico fa parte di un progetto di ottimizzazione della collocazione dei dipendenti di un importante gruppo bancario italiano.
Sarà inoltre ambito dell’attività l’esplorazione e la valutazione di efficacia di algoritmi di unsupervised clustering per finalità relative alla classificazione delle figure professionali basate sulle competenze.
Il progetto verrà realizzato utilizzando Python per l’elaborazione algoritmica, l’applicazione dei modelli matematici e
statistici e l’interfaccia utente. Si utilizzeranno IDE specifici per lo sviluppo e notebook per l’evoluzione del prototipo e le sperimentazioni di unsupervised clustering.