Глава 2. Разработка нейронной модели
РЕКРУТИНГ ПЕРСОНАЛА
Работу выполнила:
студентка 3 курса
группы 1233ГМУ
Калинина Е.В
| Научный руководитель: старший преподаватель Черепанов Ф.М ___________________ (подпись) |
Пермь
Оглавление
| Введение……………………………………………………………………...3 | ||
| Глава 1. | …………………………………………………………………….4 | |
| 1.1. | Рекрутинг персонала……………………………………..……...4 | |
| 1.2. | Нейросетевое прогнозирование…………………………...……6 | |
| Глава 2. | Разработка нейронной модели………………………………….7 | |
| 2.1. | Построение нейронной модели………………………….…….7 | |
| 2.2. | Этап обучения нейронной модели………………………….…12 | |
| 2.3. | Тестирование нейронной сети………………………………...15 | |
| Заключение……………………………………………………………….…17 | ||
| Список литературы…………………………………………………………18 |
Введение
Главный ресурс любого предприятия — его персонал, без которого оно не сможет осуществлять свою деятельность, и от которого, собственно, и зависит успех всех процессов. В современном мире на смену уже привычному термину «подбор» пришло выражение «рекрутинг персонала».
Проблема подбора правильного сотрудника является одной из важных проблем современного общества. Правильный выбор кандидата может помочь в увеличении производительности, прибыли и повышении лояльности сотрудников. Неправильный выбор обычно сказывается на большой текучке персонала или недостаточной компетенции сотрудников. Данная программа поможет избежать неправильного выбора кандидата и поспособствует развитию.
Целью работы является попытка применения современных методов искусственного интеллекта для построения нейросетевой модели - рекрутинг персонала[CF2] .
Для достижения данной цели поставлены следующиезадачи:
1. Изучить методики подбора персонала;
2. Определить параметры для прогнозирования, и собрать множество примеров;
3. Спроектировать, разработать и обучить нейросетевую модель – рекрутинг персонала;
4. Протестировать нейронную сеть, проанализировать результаты.
Для реализации данной работы был использован программный продукт «Нейросимулятор Nsim5». [1][CF3]
Глава 1.
| 1.1. Рекрутинг персонала |
Значение слова "рекрутинг" происходит от французского "recruit", "рекрутировать", т.е. набирать кого-либо на работу, вербовать, пополнять кем-либо, нанимать на службу за деньги. Сейчас так для краткости называют поиск и подбор квалифицированных специалистов на платной основе. В отличие от услуг по трудоустройству, когда агентство получает оплату с соискателя работы, рекрутинговое агентство заключает договор и, соответственно, получает гонорар с фирм-заказчиков.
Первая частная служба по найму появилась в Германии в XIX веке. В начале XIX века в Британии и Франции активно работали собственно рекрутинговые организации, которые занимались как трудоустройством, так могли и перейти на поиск профессионалов "под заказ". Первая американская служба по персоналу, известная, как и "биржа занятости", появилась в 1848г. в Бостоне, штат Массачусетс. Крупные же специализированные кадровые агентства впервые появились в США после великой депрессии и особенно после Второй мировой войны, когда пошел подъем промышленности и резко вырос спрос на профессиональных работников. Первой компанией, занимающейся Executive search (поиском и подбором топ-менеджеров) было американское агентство Boyden, открытое в Нью-Йорке в 1946г. В 1948г. была основана одна из крупнейших рекрутинговых компаний Manpower. Сегодня эта компания имеет 3600 офисов в 59 странах мира, число ее клиентов превысило 400 тысяч. Manpower входит в "Fortune's List" - 100 лучших корпорации США.
На протяжении последних лет рекрутмент из деятельности, сопутствующей бизнесу и политике, наконец, превращаются в самостоятельный вид бизнеса, формируется рынок рекрутинговых услуг.
Рекрутмент как бизнес наиболее интенсивно развивается в странах, проповедующих максимальную свободу отношений на рынке труда - в США, Англии, Канаде, Австрии, Швейцарии. Все эти страны, имеющие максимально либерализованный рынок труда, являются "законодателями моды" в мировом рекрутмента, а местные рекрутерские рынки в этих странах насчитывают десятки тысяч участников.
История рекрутмента в России своеобразна. В шутку или всерьез первым менеджером России рекрутеры называют Петра I. В период масштабных административных и финансовых реформ в стране катастрофически не хватало грамотных, хорошо обученных специалистов, Петр I начинал целенаправленный "импорт" таких специалистов из-за границы. Известно, что в разное время при Петре I одновременно служило от 300 до 1000 высококлассных инженеров, корабелов, финансистов и др.
В Россию, а чуть позже и в Украину современные технологии рекрутмента приходят в 1989-1991г.г., когда многие иностранные компании начинают открывать и постепенно расширять свои представительства в СССР. Крупные западные компании, работающие в Советском Союзе, стали искать новые источники набора кадров в свои представительства и совместные предприятия. Именно руководство транснациональных компаний прибегало к услугам рекрутеров при подборе высших управленцев. В 1991г. в России стали появляться наряду с представительствами иностранных рекрутинговых компаний и собственно российские кадровые агентства: "Триза", "Московский Кадровый Центр" (предшественник "Метрополиса"), "Анкор", "Агентство Контакт", и другие. [2]
| 1.2. Нейросетевое прогнозирование |
В настоящей работе предлагается применить к задаче подбора персонала математический метод – метод нейронных сетей. Оценка кандидата представляет собой задачу бинарного выбора, или бинарной классификации. Здесь, мы будем использовать искусственную нейронную сеть (ИНС) для решения такой задачи.
Искусственная нейронная сеть (ИНС) представляет собой математическую модель, построенную по принципу организации и функционирования биологических нейронных сетей [3-4]. Это система соединенных и взаимодействующих между собой простых моделей – искусственных нейронов. Понятие «нейронная сеть» было сформировано У. Маккалоком и У. Питтсом в 1943 г., и с тех пор нейросетевые модели прошли долгий эволюционный путь. В настоящее время ИНС широко применяются для решения задач классификации, распознавания образов, прогнозирования.
Преимущество использования искусственных нейронных сетей для задач классификации обусловлено их исключительной способностью моделировать нелинейные зависимости с большим количеством переменных. [CF4]
Глава 2. Разработка нейронной модели