Інтелектуальні засоби в системі працевлаштування
Електронний науковий архів Науково-технічної бібліотеки Національного університету "Львівська політехніка"
Переглянути архів Інформація| Поле | Співвідношення | |
| Title |
Інтелектуальні засоби в системі працевлаштування
Intelligent agents in the employment system |
|
| Creator |
Слухаєвська, О. К.
Захарія, Л. М. Slukhaievska, Olena Zakhariya, Lyubov |
|
| Contributor |
Національний університет “Львівська політехніка”
Lviv Polytechnic National University |
|
| Subject |
машинне навчання
штучний інтелект вакансія рекрутинг робота пошук роботи machine learning artificial intelligence recruiting opening job search for a job 004.5/004.7 |
|
| Description |
У роботі представлено проект системи, яка здійснює двосторонній процес пошуку – кандидата на вакансію та автоматизований пошук вакансій для кандидата. Для цього постійно відслідковується інформація про наявні вакансії засобами web mining. Отримана інформація про нові вакансії класифікується з точки спорідненості інформації з раніше визначеними класами вакансій, які відіграють роль навчальної вибірки. Використання алгоритмів і методів машинного навчання дозволяє підвищити ефективність процесу підбору підходящої роботи та скорочення часу пошуку кандидатів на заявлені вакансії. Запропонований підхід збільшує вплив індивідуальних якостей шукачів роботи на процес, а отже, і на результат роботи системи пошуку вакансій використовуючи інструменти та методи штучного інтелекту. Система сьогодні спроектована для ІТ сфери, як найрозвиненішої з погляду структуризації вимог до кандидатів та з урахуванням великої кількості пропозицій на цьому ринку праці. The paper considers the project of the system that carries out the bilateral process of search – candidate on a vacancy and automated search of vacancies for a candidate. For this purpose, information on available vacancies through web mining is constantly monitored. The obtained information on new vacancies is classified in terms of information related to previously defined classes of vacancies that play the role of a training sample. The use of algorithms and methods of machine learning allows to increase the efficiency of the selecting suitable work and reducing the search time for candidates for vacancies process. The proposed approach increases the influence of the individual qualities of recruiters on the process and, consequently, on the result of the job search system by employing tools and methods of artificial intelligence. The system is currently designed for the IT sector, as the most developed in terms of structuring the requirements for candidates and taking into account the large number of proposals in this labor market. |
|
| Date |
2019-02-27T11:07:08Z
2019-02-27T11:07:08Z 2018-02 26 2018-02 26 |
|
| Type |
Article
|
|
| Identifier |
Слухаєвська О. К. Інтелектуальні засоби в системі працевлаштування / О. К. Слухаєвська, Л. М. Захарія // Вісник Національного університету “Львівська політехніка”. Серія: Інформаційні системи та мережі. — Львів : Видавництво Львівської політехніки, 2018. — № 901. — С. 136–141. — (Управління проектами та програмами).
http://ena.lp.edu.ua:8080/handle/ntb/44540 Slukhaievska O. Intelligent agents in the employment system / Olena Slukhaievska, Lyubov Zakhariya // Visnyk Natsionalnoho universytetu "Lvivska politekhnika". Serie: Informatsiini systemy ta merezhi. — Lviv : Vydavnytstvo Lvivskoi politekhniky, 2018. — No 901. — P. 136–141. — (Information systems, networks and technology). |
|
| Language |
uk
|
|
| Relation |
Вісник Національного університету “Львівська політехніка”. Серія: Інформаційні системи та мережі, 901, 2018
1. L. Bing. Web Data Mining. Exploring Hyperlinks, Contents, and Usage Data, Second Edition / L. Bing // “Springer”. – 2016. – 851 p. 2. Yaser S. Abu-Mostafa, Malik Magdon-Ismail, Hsuan-Tien Lin. Learning from data / Yaser S. Abu-Mostafa, Malik Magdon-Ismail, Hsuan-Tien Lin // “Williams”. – 2015. – 542 p. 3 Vihar Kurama. Linear Algebra for Deep Learning / Vihar Kurama // Towards Data Science. – 2017. – 1–12 p. 4 Divyansh Dwivedi. Machine Learning for beginners / Divyansh Dwivedi. // Towards Data Science. – 2016. – 1–7 p. 5. Amid Fish. Lessons Learned Reproducing a Deep Reinforcement Learning Paper / Amid Fish // Amid Fish. Blog. – 2018. – 1–39 p. 6. Drew Conway, John Myles White. Machine Learning for Hackers / Drew Conway, John Myles White // O’Reilly. – 2014. – 746 p. 1. L. Bing. Web Data Mining. Exploring Hyperlinks, Contents, and Usage Data, Second Edition, L. Bing, "Springer", 2016, 851 p. 2. Yaser S. Abu-Mostafa, Malik Magdon-Ismail, Hsuan-Tien Lin. Learning from data, Yaser S. Abu-Mostafa, Malik Magdon-Ismail, Hsuan-Tien Lin, "Williams", 2015, 542 p. 3 Vihar Kurama. Linear Algebra for Deep Learning, Vihar Kurama, Towards Data Science, 2017, 1–12 p. 4 Divyansh Dwivedi. Machine Learning for beginners, Divyansh Dwivedi., Towards Data Science, 2016, 1–7 p. 5. Amid Fish. Lessons Learned Reproducing a Deep Reinforcement Learning Paper, Amid Fish, Amid Fish. Blog, 2018, 1–39 p. 6. Drew Conway, John Myles White. Machine Learning for Hackers, Drew Conway, John Myles White, O’Reilly, 2014, 746 p. |
|
| Rights |
© Національний університет „Львівська політехніка“, 2018
© Слухаєвська О. К., Захарія Л. М., 2018 |
|
| Format |
136-141
6 application/pdf image/png |
|
| Coverage |
Львів
|
|
| Publisher |
Видавництво Львівської політехніки
|
|