Інформаційна система пошуку та відбору персоналу з використанням нейронних мереж

Скорочена інформація про документ
dc.contributor.advisorСтеценко, Інна Вячеславівна
dc.contributor.authorТалько, Юрій Сергійович
dc.date.accessioned2019-02-04T13:26:10Z
dc.date.available2019-02-04T13:26:10Z
dc.date.issued2018
dc.description.abstractenMaster's dissertation: 107 with., 19 Fig., 33 tabl.,7 applications,13 sources. Topicality. The high results of using the approach of deep learning of models led to the creation of mores with greater depth which, in turn, allowed to solve more complex problems. On the other hand, it also leads to an increase in the depth of the models, which increases complexity and reduces the execution time. To solve this delivery, it is fashionable to use compression of model volumes. Relationship of work with scientific programs, plans, themes. The work was carried out at the Department of Automated Systems for Information Processing and Management of the National Technical University of Ukraine "Kyiv Polytechnic Institute. Igor Sikorsky" within the theme « Intelligent methods of programming, modeling and forecasting using probabilistic and linguistic approaches. State registration number 0117U000926» The object of the research - the process of recruiting. Subject of research - methods and models for the formation of personal recommendations. The research methods methods of machine learning and neural network, as well as ways of teaching them for the automatic selection of vacancies for candidates. The scientific novelty of the results is use the distillation of knowledge methode and the use of the the teacher-student for teaching neural network and modify them in the form of a regularizer of Gaussian noise and the choice of the architecture of the neural network in the context of practical tasks, Publications Talko Y.S. Compression methods of deep learning models based on teacher-student method [Electronic resource] // usim. - 2018. Talko Y.S. Compression methods of deep learning models based on teacher-student method [Electronic resource] // ISMT. - 2018. – pp 152-156:uk
dc.description.abstractukМагістерська дисертація: 107 с., 19 рис., 33 табл., 7 додатків, 13 джерел. Актуальність. Для будь якої сучасної компанії для виконання своєї прямої задачі важливим є те хто ці задачі виконуватиме. При постійному розвитку, збільшенню організації як в кількісних так і в якісних показниках постає питання підбору якісних кадрів на нові робочі місця. Якщо у випадку з невеличкою компанією її засновник чи менеджер з кадрів котрий був в команді з її зародження може досить ефективно опиратися на власні судження і знання справи якою займається, то при рекрутингу людей до великих корпорацій все стає складнішим. Обов’язки підбору персоналу у різні відділи чи навіть офіси вже неможливо осилити декількома людьми які точно знають якого працівника шукати і якими рисами він повинен володіти. Ці обов’язки делегуються іншим людям, а ті делегують іншим і т.д. Це є нормальним процесом росту організації. Але це також і впливає на якість підбору кадрів. Будь то відсутність контролю за рекрутерами, некомпетентність чи банальні людські помилки – з цим усім компанія стикається у процесі росту. Одним з вирішенням такого роду проблем є часткова автоматизація процесу підбору кандидатів і вакансій. Адже окрім звичайної каталогізації шукачів та вакансій, котру надають вже існуючі системи, система може попередньо фільтрувати подані кандидатами резюме чи підбирати їм найвідповіднішу навичкам вакансію. Звісно останнім має рішення людини у цьому процесі але система може суттєво зменшити об’єми роботи які потрібно виконати для його прийняття Зв'язок роботи з науковими програмами, планами, темами. Робота виконувалась на кафедрі автоматизованих систем обробки інформації та управління Національного технічного університету України «Київський політехнічний інститут ім. Ігоря Сікорського» в рамках теми «Інтелектуальні методи програмування, моделювання і прогнозування з використанням ймовірністного і лінгвістичних підходів. Державний реєстраційний номер 0117U000926». 4 Мета дослідження – пришвидшення процесу підбору персоналу в компанії та попередня рекомендація шукачу найкращої вакансії за допомогою використання методів машинного навчання та нейронних мереж. Для досягнення мети необхідно виконати наступні задачі: – отримати правдоподібні поточні дані про тих хто шукає роботу; – отримати правдоподібні дані про тих кого шукають рекрутери. – використати методи машинного навчання для фільтрації та підбору вакансії. – модифікувати метод навчання нейронної мережі з використанням методу дистиляції знань та методу teacher-student. – використати модифікацію методу для імітації навчання мережі від декількох teachers (вчителів). Об’єкт дослідження – процес пошуку та відбору персоналу. Предмет дослідження – методи машинного навчання та нейронні мережу а також способи їх навчання для автоматичного підбору вакансій кандидатам. Наукова новизна отриманих результатів полягає в використанні підходу дистиляції знань і використанні методу навчання нейронної мережі teacher-student їх модифікації у вигляді регуляризатора гаусівського шуму та виборі архітектури нейромережі в контексті практичної задач котра вданому випадку вважається системою пошуку та підбору персоналу. Публікації. Талько Ю.С. Методи стиснення моделей в глибинному навчанні // УСиМ. – 2018. Талько Ю.С. Методи стиснення моделей в глибинному навчанні // ІСТУ. – 2018. – С. 152-156uk
dc.format.page107 c.uk
dc.identifier.citationТалько, Ю. С. Інформаційна система пошуку та відбору персоналу з використанням нейронних мереж : магістерська дис. : 126 Інформаційні системи та технології / Талько Юрій Сергійович. – Київ, 2018. – 107 c.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/26209
dc.language.isoukuk
dc.publisher.placeКиївuk
dc.subjectмодельuk
dc.subjectдистиляція знаньuk
dc.subjectгаусів шумuk
dc.subjectглибинне навчанняuk
dc.subjectнейромережіuk
dc.subjectнейронuk
dc.subjectmodeluk
dc.subjectdistillation of knowledgeuk
dc.subjectgaussian noiseuk
dc.subjectdeep learninguk
dc.subjectneural networksuk
dc.subjectneuronuk
dc.subject.udc004.023uk
dc.titleІнформаційна система пошуку та відбору персоналу з використанням нейронних мережuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 2 з 2
Ескіз
Назва:
Talko_magistr.pdf
Розмір:
1.82 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ескіз недоступний
Назва:
Talko_magistr ГрафМатеріали.rar
Розмір:
2.68 MB
Формат:
Unknown data format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
7.74 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (АСОІУ)
Магістерські роботи