Объект разработки – модули машинного обучения. Данные модули будут интегрированы с сервисом автоматизации процесса рекрутинга, уметь анализировать резюме кандидатов и выносить решения о том, стоит ли приглашать соискателя на собеседование. Цель работы – автоматизация процесса рекрутинга с применением методов машинного обучения. В работе рассмотрена система по автоматизации рекрутинга с интегрированными в нее модулями машинного обучения (наивный байесовский классификатор и нейронная сеть), которые позволяют анализировать резюме на стороннем сайт при помощи расширения для браузера. Данные модули были успешно разработаны, обучены на реальных данных и интегрированы в реальную систему по автоматизации рекрутинга. Также приведены дальнейшие планы.

• СПИСОК ИЛЛЮСТРАЦИЙ
• СПИСОК ТАБЛИЦ
• ВВЕДЕНИЕ
• 1. АКТУАЛЬНОСТЬ
  • 1.1. E-staff
  • 1.2. Experium
  • 1.3. Staffim
  • 1.4. Выбор системы и алгоритма машинного обучения
• 2. АРХИТЕКТУРА
  • 2.1. Модули машинного обучения
    • 2.1.1. Модуль наивного байесовского классификатора
    • 2.1.2. Модуль нейронной сети
  • 2.2. Расширение для браузера и API взаимодействия
• 3. РЕАЛИЗАЦИЯ
  • 3.1. Модули машинного обучения
    • 3.1.1. Модуль наивного байесовского классификатора
    • 3.1.2. Модуль нейронной сети
  • 3.2. Расширение для браузера и API взаимодействия
• 4. РЕЗУЛЬТАТЫ
  • 4.1. Тестирование модуля наивного байесовского классификатора
  • 4.2. Тестирование модуля нейронной сети
  • 4.3. Тестирование с увеличенной выборкой
  • 4.4. Выбор модуля машинного обучения и сценарий работы
• ЗАКЛЮЧЕНИЕ
• СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ