МЕТОДЫ ИСПОЛЬЗОВАНИЯ АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯ В ЗАДАЧАХ УПРАВЛЕНИЯ ЧЕЛОВЕЧЕСКИМИ РЕСУРСАМИ

В статье рассматриваются современные подходы и применение алгоритмов искусственного интеллекта на примере алгоритмов машинного обуче- ния для прогнозирования и оценки качества управления человеческими ресурсами в условиях современного перехода к цифровой экономике. В формировании и развитии направлений в цифровой экономике и внедрение новых решений на основе алгоритмов искусственного интеллекта для управления бизнес-процессов в системе управления человеческими ресурсами становится наиболее актуальным для оптимального управления человеческих ресурсов. Алгоритмы машинного обучения, обработки естественного языка (NLP) и анализа больших данных позволяют отделам кадров принимать более обоснованные и оперативные решения, повышая качество управления человеческим капиталом. Современный уровень развития информационно-коммуникационных технологий и использование различных систем управления данными, доступность интернета позволяют автоматизировать сбор, хранение и обработку данных. На основе собранных данных строятся модели искусственного интеллекта, которые помогают оценке работоспособности потенциальных и текущих работников. Анализируются основные направления использования алгоритмов машинного обучения для управления человеческими ресурсами, а также возможности автоматизации систем принятия решений для индивидуального управления персоналом. В заключении отмечается, что интеграция искусственного интеллекта в сферу управления человеческими ресурсами представляет собой важный шаг на пути к формированию более эффективных, прозрачных и гибких организационных процессов.

система управления, искусственный интеллект, алгоритмы машинного обучения, человеческие ресурсы, цифровая экономика, программное обеспечение.

1. Акрамова З.Б., Турсунова Ш.Т. Оценка показателей развития человеческого потенциала предприятия по производству текстильных изделий в региональной экономике. Вестник ПИТТУ имени академика М.С.Осими. 2021. №2 (19). С. 72-81.

2. Баходурова С.А., Кадырова М.М. Методы формирования кадровой политики обеспечения экономической безопасности предприятия региона. Вестник ПИТТУ имени академика М.С.Осими. 2021. №2 (19). С. 85-93.

3. Низамитдинов А.И., Низомитдинова Ф.Б. Этапы автоматизации системы управления человеческими ресурсами вуза в условиях цифровой экономики. Вестник ПИТ-ТУ имени академика М.С.Осими. 2021. №2 (19). С. 7-14.

4. Aseel Qutub et al., (2021), Prediction of Employee Attrition Using Machine Learning and Ensemble Methods, International Journal of Machine Learning and Computing, Vol. 11, No. 2,p.110-114.

5. Frye, Alex; Boomhower, Christopher; Smith, Michael; Vitovsky, Lindsay; and Fabricant, Stacey (2018) «Employee Attrition: What Makes an Employee Quit?,» SMU Data Science Review: Vol. 1: No. 1, Article 9.

6. Holland, J. H. (1992). Adaptation in natural and artificial systems: an introductory analysis with applications to biology,control, and artificial intelligence. Cambridge, MA: MIT Press

7. Kumar, P., Gaikwad, S. B., Ramya, S. T., Tiwari, T., Tiwari, M., & Kumar, B. (2023). Predicting Employee Turnover: A Systematic Machine Learning Approach for Resource Conservation and Workforce Stability. Engineering Proceedings, 59(1), 117.

8. Meijerink, J., Bondarouk, T. (2021). The Rise of Algorithmic Management: Implications for HRM. Journal of Business Research, 129, 902–910.

9. Mishra, S. (2024). Human Resource Management Practices: Enhancing Employee Engagement and Retention in a Global Context. Journal of Advanced Management Studies, 1(2), 19–24.

10. Noe, R., Hollenbeck, J., Gerhart, B., & Wright, P. (2006). Human Resources Management: Gaining a Competitive Advantage, Tenth Global Edition. New York, MA: McGraw-Hill Education.

11. Partridge, D., & Hussain, K. M. (1992). Artificial intelligence and business management. Bristol, MA: Intellect Books.

12. Pessach, D.; Ben-Gal, H.C.; Shmueli, E.; Ben-Gal, I. Employees recruitment: A prescriptive analytics approach via machine learning and mathematical programming. Decis. Support Syst. 2020, 134, 113290.

13. Ponnuru, S.; Merugumala, G.; Padigala, S.; Vanga, R.; Kantapalli, B. Employee attrition prediction using logistic regression. Int. J. Res. Appl. Sci. Eng. Technol. 2020, 8, 2871–2875.

14. Punnoose R, Pankaj Ajit, Prediction of Employee Turnover in Organizations using Machine Learning Algorithms, 2016, International Journal of Advanced Research in Artificial Intelligence, Vol. 5, No. 9, 2016.

15. Sheila L.M., Steven G., Chad M. & Mayank G. (2018). The new age: artificial intelligence for human resource opportunities and functions. Ernst & Young LLP.1-8.

2026-03-30