Lanjutkan daftar pendek dan peringkat - rsart
Menemukan kandidat yang cocok untuk peran terbuka bisa menjadi tugas yang menakutkan, terutama ketika ada banyak pelamar. Ini dapat menghalangi kemajuan tim untuk mendapatkan orang yang tepat pada waktu yang tepat. Cara otomatis "resume shistlisting dan peringkat alat" benar -benar dapat meringankan proses yang membosankan dari penyaringan dan daftar pendek yang adil, itu pasti akan mempercepat pemilihan kandidat dan proses pengambilan keputusan.
Lanjutkan daftar pendek dan skrining adalah proses menentukan apakah seorang kandidat memenuhi syarat untuk peran berdasarkan pendidikan, pengalamannya, dan informasi lain yang ditangkap pada resume mereka.
Singkatnya, ini adalah bentuk pencocokan pola antara persyaratan pekerjaan dan kualifikasi kandidat berdasarkan resume mereka. Tujuan pemutaran skrining adalah untuk memutuskan apakah akan memajukan kandidat - biasanya ke wawancara - atau menolaknya.
NLP untuk daftar pendek dan skrining dapat menangani volume data yang sangat besar. Faktanya, NLP membutuhkan banyak data untuk membuat rekomendasi yang akurat tentang kandidat mana yang akan bergerak maju ke tahap berikutnya. Ini berarti perangkat lunak daftar pendek dan peringkat resume ini paling berharga untuk perekrutan volume tinggi seperti penjualan ritel atau peran layanan pelanggan. Waktu Anda menyimpan resume skrining dapat digunakan dengan cara yang lebih berharga, apakah itu sumber, menarik, atau mewawancarai kandidat untuk membantu menentukan seberapa baik mereka akan cocok dalam pekerjaan dan budaya perusahaan.
Fitur utama dari solusi saat ini adalah mencari seluruh database resume untuk memilih dan menampilkan resume yang paling sesuai untuk deskripsi pekerjaan yang disediakan (JD). Ini, dalam bentuknya saat ini, dicapai dengan menetapkan skor untuk setiap resume dengan secara cerdas membandingkannya dengan deskripsi pekerjaan yang sesuai.
git clone https://github.com/PawanRamaMali/Resume-Shortlisting-and-Ranking-Tool.git
pip install -r requirements.txt
python app.py
http://localhost:8000/ untuk melihat aplikasi 

Kredensial


