Employee-Attrition-Salary-Prediction-System

هذا المشروع يقدم حلاً متكاملاً باستخدام الـ Machine Learning لمعالجة تحديين أساسيين في إدارة الموارد البشرية: التنبؤ باحتمالية ترك الموظف لعمله، وتقدير الراتب المناسب للموظفين الجدد.

بالنسبة لنموذج الـ Attrition، تم استخدام مزيج من Random Forest وXGBoost من خلال Soft Voting Ensemble، مع الاستعانة بتقنية SMOTE لمعالجة مشكلة عدم توازن البيانات (Class Imbalance) بين الموظفين اللي فضلوا في الشركة واللي تركوها. النموذج حقق دقة (Accuracy) بلغت 78.1%، وF1-Score وصل لـ 69.7%، وAUC بقيمة 0.843، وده بيدل على قدرة قوية على التمييز بين الحالتين.

أما نموذج التنبؤ بالراتب، فاستخدمنا فيه XGBoost Regressor بناءً على بيانات زي المسمى الوظيفي، سنوات الخبرة، المؤهل العلمي، عدد المهارات، والصناعة. النموذج حقق دقة عالية جدًا بـ R² = 0.981، بمتوسط خطأ (MAE) حوالي 4,153 جنيه فقط.

النظام بيوفر لفريق الموارد البشرية أداة عملية تساعدهم في اكتشاف الموظفين المعرضين لخطر ترك العمل بدري، واقتراح رواتب عادلة ومبنية على بيانات حقيقية، وده بيساهم في تقليل تكلفة معدل الدوران الوظيفي (Turnover) وتحسين قرارات التوظيف بشكل عام.