广州Python培训
达内广州Python培训中心

18087159764

热门课程

机器学习如何提高招聘效率

  • 时间:2018-05-30
  • 发布:达内新闻
  • 来源:达内新闻

想象一下,在一年中,您的数量会乘以所有未平仓头寸。那么硬币的另一面就存在这个问题-如果你急于聘用而你不雇用合适的人呢?一项  研究  发现,41%的雇主估计,一次坏的聘用会给公司带来一定的费用损失。公司可以采取哪些措施来降低每次聘用的成本,以及减少雇用不当的可能性?一种方法是使用机器学习。今天,机器学习已经被用于在三个不同领域提高招聘效率:

申请和简历审查:根据关键词筛选简历,利用社交数据确定候选人并使用在线调查问卷

预先约定:部署人工智能(AI)助理和聊天机器人以回应候选人的询问或安排面试

人才采购:使用关键属性缩小来自大型库的最佳候选人

机器学习如何做到这一点?机器学习迭代地将算法分析模型应用于预处理数据以发现隐藏模式或趋势,可用于标记理想的简历以供审查,预测对预咨询中对查询的正确回应,或确定人才采购的最佳人选。尽管所有这些领域都可以帮助您减少花在填补职位上的时间和金钱,但我们相信可以做出最大的影响力,以确保您聘用合适的人才:人才采购。

机器能否比招聘人员找到合适的候选人更好的成功?理想情况下,计算机会发现你会忽视的相关性和模式,这将导致质量越来越高的候选人。如果您正在考虑使用机器学习来帮助人才采购,请注意以下几点。

被动采购

要利用机器学习,您需要首先定义“培训”系统的变量。你应该考虑的变量将取决于你的方法。您是否正在寻找被动的候选人-那些实际上并未寻找新工作的人-或者您是否希望从大量申请人中缩小最高候选人?如果你在做前者,你可能需要考虑一些属性,例如他们最近或经常更新他们的LinkedIn个人资料,因为这可能表明他们可能会开始寻找工作或已经在寻找工作。或考虑影响当前雇主稳定性的因素(如兼并和收购,裁员和股票波动)。您还可以查看市场指标以帮助预测特定行业或公司的下滑情况,这可能会创造大量可用候选人,

python人工智能培训

主动采购

在积极的招聘方面,想象一下,如果不是数以千计的申请职位的话,想象一下吧。根据数据的可训练性,机器学习可以帮助缩小最佳人选。您是否有足够的历史和相关数据来帮助成功的候选人或员工培训您的系统?就好像你正在寻找一个基于“理想”员工概况的“小我”。您在此考虑的属性将取决于角色,但一种方法是通过查看角色中成功员工的属性(如工作经历,行业和工作产品)来反向设计最佳契合度。其他要考虑的属性是他们在过去五年中的工作数量,他们在每项工作中的任职期限,最近大学毕业生聘用的大学和课外大学活动或业余爱好(竞争性运动可能对销售角色有好处)。您还可以利用机器学习,根据之前的招聘策略,针对成功可能性较高的候选人。

多元化和包容性

一些公司可能希望实现某种平等就业机会比率,机器学习可以提供帮助。一家公司利用机器学习帮助女性员工从40%增加到47%,少数民族技术员工从1.5%增加到11%。但是,在某些情况下,您不希望基于性别或种族对“池”进行偏袒。那么你如何处理这些情况呢?消除机器学习中固有的偏见是至关重要的。数据匿名,聚类和数据聚合是避免固有偏差的一些方法(例如,确保受保护的类别,性别或年龄不成为算法中的因素)。

人的触摸

虽然使用机器学习可以帮助减少招聘周期,成本和不良招聘人数,但仍然需要人为干预来管理“候选人体验”。人员仍然需要通过诸如频繁的个人活动等行为来确保候选人体验是积极的沟通和高质量和一致的面试技巧,无论候选人的结果如何。

招聘的未来当然在变化。问题是,你准备好了吗?如果是这样,你将如何拥抱技术来帮助减少招聘成本,并增加第一次招聘的机会?

上一篇:无人机,人工智能和主动治安有什么共同之处?
下一篇:为什么金融需要更多的人工智能
选择城市和中心
贵州省

广西省

海南省