Mise en place d'un système de réception et de classification de cv / Mamadou MBENGUE (2024)   

Public ISBD Titre : Mise en place d'un système de réception et de classification de cv Type de document : texte imprimé Auteurs : Mamadou MBENGUE, Auteur Editeur : Université Cheikh Anta Diop de Dakar : Faculté des Sciences et Techniques : Département de Mathématiques-Informatique Année de publication : 2024 Importance : 69 P. Format : 29 cm. Langues : Français (fre) Mots-clés : Curriculum Vitae  Système de réception  Système de classification  Classificationent  Recrutement  Offre emploi  Candidature  Poste en ligne  GRH  CV  Fast track  NLP  Integration  Machine learning  Classificateurs  Traitement Automatique  Langage Naturel  Classification de CV  Ressources humaines  Intelligence artificielle  Apprentissage supervisé  Réseau de neurones  Deep Learning  Natural Language Processing  TF-IDF  BERT  Cosinus de similarité Résumé : L'avènement d'internet a radicalement transformé les pratiques de soumission aux offres d’emploi et de recrutement. Il a entraîné une croissance exponentielle du marché des offres d'emploi en ligne et des candidatures. Cette évolution a donné lieu à un défi majeur pour les gestionnaires des ressources humaines : l’évaluation efficace d'un volume considérable de CV provenant de candidats variés. Dans ce contexte, notre mémoire se concentre sur le développement d'une solution innovante pour relever ce défi. La problématique identifiée réside dans la difficulté des recruteurs à analyser et classifier un grand nombre de CV de manière manuelle dans un délai acceptable et sans risques d'erreurs. Pour résoudre cette problématique, nous proposons l'utilisation d’outils informatique classificateurs de CV, exploitant les avancées en matière de Traitement Automatique du Langage Naturel (NLP). Cependant, la diversité des formats et des structures de CV représente un autre obstacle majeur à la mise en place de tels systèmes. Nous avons développé un module capable de recevoir les CVs dans un format uniforme, et avons développé outil capable d’analyser et de classer automatiquement des milliers de CV en fonction de leur pertinence. Pour ce faire, nous introduisons un formulaire de saisie de CV structuré, visant à garantir la qualité et la cohérence des données collectées. Ce formulaire standardisé permettra de faciliter le processus de traitement automatique des CV par notre système. La solution que nous proposons repose sur l'intégration de techniques avancées de NLP et d'apprentissage automatique. Les informations essentielles des CVs, telles que l'expérience professionnelle, les compétences et les formations sont extraites et normaliser pour les rendre compréhensibles par notre système. En utilisant des techniques de machine learning, nous classifions automatiquement les CV en fonction de leur pertinence par rapport aux critères spécifiques des recruteurs. En résumé, notre approche vise à optimiser le processus de recrutement en réduisant les temps de traitement et en assurant une sélection plus rapide et plus efficace des meilleurs profils. Grâce à l'intégration du NLP et du machine learning, nous sommes confiants dans notre capacité à relever ce défi tout en garantissant une expérience utilisateur optimale pour les candidats. Permalink : https://bibliothequefst.ucad.sn/index.php?lvl=notice_display&id=2216 Mise en place d'un système de réception et de classification de cv [texte imprimé] / Mamadou MBENGUE, Auteur . - Université Cheikh Anta Diop de Dakar : Faculté des Sciences et Techniques : Département de Mathématiques-Informatique, 2024 . - 69 P. ; 29 cm. Langues : Français (fre) Mots-clés : Curriculum Vitae  Système de réception  Système de classification  Classificationent  Recrutement  Offre emploi  Candidature  Poste en ligne  GRH  CV  Fast track  NLP  Integration  Machine learning  Classificateurs  Traitement Automatique  Langage Naturel  Classification de CV  Ressources humaines  Intelligence artificielle  Apprentissage supervisé  Réseau de neurones  Deep Learning  Natural Language Processing  TF-IDF  BERT  Cosinus de similarité Résumé : L'avènement d'internet a radicalement transformé les pratiques de soumission aux offres d’emploi et de recrutement. Il a entraîné une croissance exponentielle du marché des offres d'emploi en ligne et des candidatures. Cette évolution a donné lieu à un défi majeur pour les gestionnaires des ressources humaines : l’évaluation efficace d'un volume considérable de CV provenant de candidats variés. Dans ce contexte, notre mémoire se concentre sur le développement d'une solution innovante pour relever ce défi. La problématique identifiée réside dans la difficulté des recruteurs à analyser et classifier un grand nombre de CV de manière manuelle dans un délai acceptable et sans risques d'erreurs. Pour résoudre cette problématique, nous proposons l'utilisation d’outils informatique classificateurs de CV, exploitant les avancées en matière de Traitement Automatique du Langage Naturel (NLP). Cependant, la diversité des formats et des structures de CV représente un autre obstacle majeur à la mise en place de tels systèmes. Nous avons développé un module capable de recevoir les CVs dans un format uniforme, et avons développé outil capable d’analyser et de classer automatiquement des milliers de CV en fonction de leur pertinence. Pour ce faire, nous introduisons un formulaire de saisie de CV structuré, visant à garantir la qualité et la cohérence des données collectées. Ce formulaire standardisé permettra de faciliter le processus de traitement automatique des CV par notre système. La solution que nous proposons repose sur l'intégration de techniques avancées de NLP et d'apprentissage automatique. Les informations essentielles des CVs, telles que l'expérience professionnelle, les compétences et les formations sont extraites et normaliser pour les rendre compréhensibles par notre système. En utilisant des techniques de machine learning, nous classifions automatiquement les CV en fonction de leur pertinence par rapport aux critères spécifiques des recruteurs. En résumé, notre approche vise à optimiser le processus de recrutement en réduisant les temps de traitement et en assurant une sélection plus rapide et plus efficace des meilleurs profils. Grâce à l'intégration du NLP et du machine learning, nous sommes confiants dans notre capacité à relever ce défi tout en garantissant une expérience utilisateur optimale pour les candidats. Permalink : https://bibliothequefst.ucad.sn/index.php?lvl=notice_display&id=2216

Réservation

Réserver ce document

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MEM 11192	MEM 11192	Mémoires de master	Master mathématiques et Informatique	Mathématiques et informatique	Disponible

Documents numériques

MEM 11192 Adobe Acrobat PDF

---

1 (1 - 1 / 1) Par page : 25 50 100 200