Predicting Hiring Decisions in Recruitment Data
В проекте использовались данные, взятые с сайта Kaggle (www.kaggle.com). Рассматривались таблицы о прогнозировании найма на работу. Так как меня часто стали беспокоить мысли о работе, я стал интересоваться шансами найма в ту или иную компанию и этот массив данных помог мне в этом.
Этапы работы
Сперва я импортируют необходимые для работы библиотеки
Далее выполняю чтение данных из .csv файла
Выполняю предобработку данных, заменяя некоторые числовые значения на их расшифровку, данную в описании дата сэта
Делаю выбор цветовой палитры для отрисовки графиков и шрифта
Построение графиков
Столбчатая диаграмма
Столбчатая диаграмма 2
Диаграмма рассеяния
Диаграмма типа «Виолончель»
Итоговые графики
Столбчатая диаграмма 1
Столбчатая диаграмма 2
Диаграмма рассеяния
Диаграмма типа «Виолончель"Диаграмма типа «Виолончель»
Вывод
В ходе получившегося анализа можно сделать вывод, что гендер не критично влияет на решение о найме, сильнее на него влияет образование, а уровень персональных качеств важен больше чем навыки, а также намного чаще на работу берут людей со стажем
