กลับมาใช้เครื่องมือสั้น ๆ และการจัดอันดับ - RSART
การหาผู้สมัครที่เหมาะสมสำหรับบทบาทที่เปิดกว้างอาจเป็นงานที่น่ากลัวโดยเฉพาะอย่างยิ่งเมื่อมีผู้สมัครจำนวนมาก มันสามารถขัดขวางความคืบหน้าของทีมในการรับคนที่เหมาะสมในเวลาที่เหมาะสม วิธีอัตโนมัติในการ“ ดำเนินการต่อเครื่องมือสั้น ๆ และการจัดอันดับ” สามารถทำให้กระบวนการที่น่าเบื่อของการตรวจคัดกรองอย่างเป็นธรรมและการคัดเลือกสั้น ๆ มันจะช่วยเร่งการเลือกผู้สมัครและกระบวนการตัดสินใจอย่างแน่นอน
การเข้าร่วมการคัดกรองและคัดกรองเป็นกระบวนการพิจารณาว่าผู้สมัครมีคุณสมบัติเหมาะสมสำหรับบทบาทการศึกษาประสบการณ์และข้อมูลอื่น ๆ ที่บันทึกไว้ในประวัติย่อของพวกเขาหรือไม่
สรุปมันเป็นรูปแบบของการจับคู่รูปแบบระหว่างความต้องการของงานและคุณสมบัติของผู้สมัครตามประวัติย่อของพวกเขา เป้าหมายของการคัดกรองเรซูเม่คือการตัดสินใจว่าจะย้ายผู้สมัครไปข้างหน้า - โดยปกติจะเข้าสู่การสัมภาษณ์ - หรือปฏิเสธพวกเขา
NLP สำหรับการเข้าร่วมการคัดเลือกและคัดกรองสามารถจัดการข้อมูลจำนวนมากได้ ในความเป็นจริง NLP ต้องการข้อมูลจำนวนมากเพื่อให้คำแนะนำที่ถูกต้องเกี่ยวกับผู้สมัครที่จะก้าวไปข้างหน้าไปยังขั้นตอนต่อไป ซึ่งหมายความว่าซอฟต์แวร์สั้น ๆ และการจัดอันดับนี้มีค่ามากที่สุดสำหรับการสรรหาบุคลากรที่มีปริมาณมากเช่นยอดค้าปลีกหรือบทบาทการบริการลูกค้า เวลาที่คุณบันทึกการคัดกรองเรซูเม่สามารถใช้ในรูปแบบที่มีค่ามากขึ้นไม่ว่าจะเป็นการจัดหามีส่วนร่วมหรือสัมภาษณ์ผู้สมัครเพื่อช่วยพิจารณาว่าพวกเขาจะเข้ากับงานและวัฒนธรรมของ บริษัท ได้ดีเพียงใด
คุณสมบัติหลักของโซลูชันปัจจุบันคือการค้นหาฐานข้อมูลประวัติย่อทั้งหมดเพื่อเลือกและแสดงประวัติย่อที่เหมาะสมที่สุดสำหรับคำอธิบายงานที่ให้มา (JD) นี่คือในรูปแบบปัจจุบันที่ทำได้โดยการกำหนดคะแนนให้กับแต่ละเรซูเม่โดยการเปรียบเทียบอย่างชาญฉลาดกับรายละเอียดงานที่เกี่ยวข้อง
git clone https://github.com/PawanRamaMali/Resume-Shortlisting-and-Ranking-Tool.git
pip install -r requirements.txt
python app.py
http://localhost:8000/ เพื่อดูแอปพลิเคชัน 

ข้อมูลประจำตัว


