Делайте крутые вещи с данными!
Аннотация
Это позволит более эффективно составлять короткий список представленных резюме кандидатов от большого числа соискателей, обеспечивая последовательную и справедливую политику ранжирования резюме, которая может быть юридически обоснована. Система ранжирует опыт и ключевые навыки, необходимые для конкретной должности. Затем система ранжирует резюме на основе опыта и других ключевых навыков, необходимых для конкретного профиля работы. Эта система поможет отделу кадров легко составить список кандидатов на основе политики ранжирования резюме. Эта система будет фокусироваться не только на квалификации и опыте, но и на других важных аспектах, которые требуются для конкретной должности. Эта система поможет отделу кадров выбрать подходящего кандидата для определенного профиля работы, что, в свою очередь, обеспечит организацию квалифицированной рабочей силой.
Используемые методы
Первым шагом в процессе аналитической иерархии является определение критериев ранжирования и критериев. оценки. Оценки могут принимать числовые значения или принимать форму: отлично, очень хорошо, средне, плохо и очень плохо, и могут различаться по каждому критерию.
Критерии, которые мы использовали в нашей системе:
● Черты личности: средние баллы по 4 показанным категориям личности.
● Образование: количество лет очного формального (академического) обучения.
● Опыт работы (лет на соответствующей должности)
● Лояльность (годы, проведенные кандидатом на одной должности).
● Навыки: дополнительные навыки, которыми обладает кандидат.
Модель, используемая для прогнозирования тестового набора данных, называется «логистическая регрессия», поскольку логистическая регрессия является эффективной моделью для прогнозирования меток выходных классов для зависимых категориальных данных.
Описание ярлыка класса:
Количество меток классов: 5 Тип:
Номинальные значения:
● экстраверт
● Серьезный
● Ответственный
● живой
● надежный
Структура кода
Вывод
