Search
Linkedin-in
Xing
Facebook-f
Twitter
Instagram
Youtube
Expertise
Data Strategy
Data Warehouse
Data Fabric
Data Vault
Data Mesh
Data Lakehouse
Data Analytics
Data Science
SAP Competence Center
Microsoft Competence Center
Sports Analytics
cloud computing
Technologien
Data Strategy
Alteryx Analytic Process Automation
Use Case Discovery Workshop
Data Warehouse
Snowflake
SAP Data Warehousing
SAP HANA
SAP BW/4HANA
SAP Data Warehouse Cloud
Theobald Software
IBM
WhereScape
DataVault Builder
Data Vault
Data Virtuality
Matillion
Matillion_Snowflake
Exasol
areto Data Chef
Microsoft
Microsoft Azure SQL
Microsoft Azure Synapse Analytics
Oracle
Data Analytics
Pyramid Analytics
Power BI
Tableau
ThoughtSpot
ThoughtSpot Cloud
SAP Business Intelligence
SAP Analytics Cloud
SAP BusinessObjects BI Suite
SAP Crystal Reports
Theobald Software
IBM Cognos Analytics
Zebra BI
Data Science
SAP Leonardo
Alteryx Promote
Data Integration
Matillion
Datavault Builder
WhereScape
Theobald Software
Microsoft Azure Data Factory
areto Data Chef
cloud computing
AWS
AWS BI & Analytics Workshops
Sports Analytics mit AWS
Microsoft Azure
Microsoft Azure Data Factory
Microsoft Azure Blob Storage
Microsoft Azure Synapse Analytics
Microsoft Azure Databricks
Microsoft Azure SQL
Insights & Events
News
Events
Referenzen
Pressebereich
areto Blog
Download-Center
Karriere
Bist Du areto?
areto Workation
#aretosindWIR – Weltfrauentag
Vereinbarkeit von Familie und Beruf
Über uns
Unternehmen
Werte
Management
Partner
areto – mit dem Herzen denken
areto Shop
Kontakt
Menu
Expertise
Data Strategy
Data Warehouse
Data Fabric
Data Vault
Data Mesh
Data Lakehouse
Data Analytics
Data Science
SAP Competence Center
Microsoft Competence Center
Sports Analytics
cloud computing
Technologien
Data Strategy
Alteryx Analytic Process Automation
Use Case Discovery Workshop
Data Warehouse
Snowflake
SAP Data Warehousing
SAP HANA
SAP BW/4HANA
SAP Data Warehouse Cloud
Theobald Software
IBM
WhereScape
DataVault Builder
Data Vault
Data Virtuality
Matillion
Matillion_Snowflake
Exasol
areto Data Chef
Microsoft
Microsoft Azure SQL
Microsoft Azure Synapse Analytics
Oracle
Data Analytics
Pyramid Analytics
Power BI
Tableau
ThoughtSpot
ThoughtSpot Cloud
SAP Business Intelligence
SAP Analytics Cloud
SAP BusinessObjects BI Suite
SAP Crystal Reports
Theobald Software
IBM Cognos Analytics
Zebra BI
Data Science
SAP Leonardo
Alteryx Promote
Data Integration
Matillion
Datavault Builder
WhereScape
Theobald Software
Microsoft Azure Data Factory
areto Data Chef
cloud computing
AWS
AWS BI & Analytics Workshops
Sports Analytics mit AWS
Microsoft Azure
Microsoft Azure Data Factory
Microsoft Azure Blob Storage
Microsoft Azure Synapse Analytics
Microsoft Azure Databricks
Microsoft Azure SQL
Insights & Events
News
Events
Referenzen
Pressebereich
areto Blog
Download-Center
Karriere
Bist Du areto?
areto Workation
#aretosindWIR – Weltfrauentag
Vereinbarkeit von Familie und Beruf
Über uns
Unternehmen
Werte
Management
Partner
areto – mit dem Herzen denken
areto Shop
Kontakt
Bewerbermatching mit Machine Learning & Text Mining
Ausgangslage / Ziele
Umsetzung
Ergebnisse
Technologien & Methoden
Infos zum Kunden
Ausgangslage / Ziele
Identifizierung übereinstimmender Merkmale von Bewerbern und freien Stellen zur Aktualisierung der Personalauswahl
Implementierung von Machine-Learning-Algorithmen zur automatisierten Prüfung der Eignung von Bewerbern
Strukturiertes Einlesen der Lebensläufe und Anschreiben aus diversen Dateiformaten
Umsetzung
Einlesen der Bewerbungsunterlagen jedes Bewerbers und Generierung automatischer Unterscheidungsmerkmale
Konvertierung der in den Dokumenten enthaltenen Textbausteine zu numerischen Feldern
Aufbau einer automatischen Paragraphenerkennung zur Ableitung von Variablen
Auswahl und Optimierung von Klassifikationsalgorithmen
Ergebnisse
Vorhersage der Übereinstimmung zwischen Bewerbern und offenen Stellen sowie weiteren Stellen im Konzern
Bewertung und Vergleich der Eignung aller Bewerber für eine offene Stelle
Technologien & Methoden
Python (Libraries: scikit-learn, NLTK, NetworkX), R / Rstudio
Infos zum Kunden
Erstellung eines Trainingsdatensatzes anhand der Ereignisse früherer passender und nicht passender Bewerber
Ableitung einfacherer und fortgeschrittener Merkmale aus den Lebensläufen der Bewerber für die Analyse
Programmierung der Kriterien für die Bewertung der Eignung neuer Angestellter
