Se puede decir que los tipos de productos de software que viajan a una velocidad supersónica al corazón de los consumidores tendrían que poner sitios para citas, alertas de ventas con precios reducidos y puestos de trabajo en la parte superior. Este último tiene un nuevo amigo en Baidu.

¿Se puede cubrir una vacante con el candidato adecuado gracias a una máquina? ¿O los solicitantes de empleo deberían ser evaluados por un humano?

Lo más probable es que también la hayas conocido, al menos una vez en sus experiencias de búsqueda de empleo. Ella es la profesional de recursos humanos que fue especialmente buena en el trabajo. Ella escaneó tu currículum linea por linea, pero también leer entre líneas.

Ella hizo preguntas relevantes para la oferta de trabajo. Ella sabía que si enumeraba un tipo de habilidad o herramienta, probablemente tendría pocas dificultades con otra habilidad o herramienta que necesitarían introducir.

Guau. ¿Podría una máquina hacer su trabajo? Bien, tal vez la pregunta debería ser, ¿Puede el software ayudarla a tomar decisiones para los candidatos que le ahorren tiempo? y dar en el blanco

Definitivamente sabremos más, mientras los investigadores trabajan en tecnología de búsqueda de empleo para numerosos servicios de contratación en línea. De hecho, hay quienes argumentarían que es el elemento humano el que tiene más riesgo de quebrarse en el sesgo y el pensamiento subjetivo en lugar de evaluar claramente al candidato para que coincida con las necesidades del puesto.

En las noticias hay una red neuronal para hacer coincidir los currículums con las descripciones en las publicaciones de puestos vacantes. Baidu está probando para ver si su enfoque puede hacer coincidir efectivamente a los solicitantes de empleo con los puestos de trabajo. Revisión de tecnología del MIT "The Download" revisó el documento de los equipos de Baidu, donde presentaron su red neuronal que puede funcionar, de currículums, la persona que debería presentarse a la candidatura de acuerdo con las habilidades que buscan los empleadores.

"Ajuste persona-trabajo:adaptar el talento adecuado para el trabajo adecuado con el aprendizaje de representación conjunta" es el documento que escribieron los investigadores para describir su trabajo. La adaptación persona-trabajo podría ser un camino para alinear a los solicitantes de empleo correctos con los puestos correctos.

Al discutir su modelo propuesto, basado en una red neuronal, dijeron que la Red Neural de Ajuste Persona-Trabajo (PJFNN) "puede aprender de manera efectiva la representación conjunta de la aptitud Persona-Trabajo a partir de solicitudes de empleo históricas".

Su modelo denominado "Red neuronal de ajuste persona-trabajo" deja pocas conjeturas sobre lo que hace. Los solicitantes de empleo relevantes están marcados. Los autores aparentemente son bastante positivos sobre el potencial de PJFNN.

¿Qué gana Baidu? La motivación para involucrarse con la tecnología de emparejamiento entre empleados y puestos de trabajo por su parte podría satisfacer su intención de hacer crecer el negocio. ¿Cómo es eso? "Dado que Baidu posee el segundo motor de búsqueda más grande del mundo, es probable que la empresa pueda utilizar esta tecnología para ayudar a orientar mejor los anuncios de empleo ". Esa fue la versión de la" Descarga "publicada por Erin Winick.

El conjunto de datos utilizado en los experimentos fueron registros de solicitudes de empleo de una empresa de alta tecnología en China, que contiene más de 2 millones de currículums y 15, 039 ofertas de empleo. Solo había 31, 928 solicitudes de empleo exitosas.

Se ha expresado cautela en otra parte, aunque, que su enfoque de red neuronal no es perfecto. Las limitaciones incluyen la posibilidad de sesgo. "Si existe sesgo en contrataciones anteriores, puede infiltrarse en sistemas como este, planteando una desventaja para ciertos grupos que pueden no tener las mismas oportunidades laborales, "dijo" La Descarga ".

Los autores escribieron que "No todos los requisitos del trabajo se pueden modelar bien en PJFNN". Sin embargo, dijeron que pensaban que "aunque PJFNN no puede aprender buenas representaciones para todos los requisitos, los vectores latentes de la mayoría de los currículums y ofertas de trabajo aprendidos por PJFNN son significativos en general y pueden ayudar a mejorar la efectividad y eficiencia de la Adaptación Persona-Trabajo ".

© 2018 Tech Xplore