ДонНТУ   Портал магістрів

Реферат за темою випускної роботи

Зміст

Вступ

У процесі прийому співробітників роботодавцю доводиться приймати важливі рішення, від яких буде надалі залежати ефективність функціонування бізнесу та соціально-психологічний клімат в колективі. При прийомі на роботу, крім професійних навичок претендентів на певну посаду, важливими є їх особистісні якості: старанність, відповідальність, пунктуальність, вміння працювати в команді, доброзичливість і товариськість. Неправильний вибір фахівців для роботодавців тягне за собою негативні наслідки у вигляді невиправданих матеріальних витрат і втрат робочого часу.

Підбір персоналу - це процес управління в складній системі з безліччю об'єктів, якими є, з одного боку, організація і її співробітники, з іншого - претенденти на посаду, що володіють професійними та особистісними навичками. Для автоматизації процесу управління підбором персоналу неможливо розробити універсальну формалізовану модель в силу специфічних вимог до претендентів з боку різних організацій та установ, які виступають у ролі роботодавців на сучасному ринку праці. У той же час підвищити ефективність управління цим процесом можна шляхом створення системи підтримки прийняття рішень відповідності рівня підготовки фахівця вимогам ринку праці.

1. Актуальність теми

Сучасне суспільство характеризується інтенсивним розвитком техніки і технологій, а також великими обсягами інформації, що переробляється, що обумовлює стійке зростання вимог до рівня підготовки фахівців різного профілю.

Сьогодні дуже актуальною є проблема пошуку роботодавцями кваліфікованих кадрів для підвищення ефективності роботи підприємства. Для вирішення цієї проблеми потрібно відібрати обмежену кількість «кращих» претендентів на співбесіду з роботодавцем [1]. Необхідно розробити систему відбору кандидатів, яка складе рейтинг претендентів. Вихідні дані для розрахунку рейтингу - дані анкет шукачів.

Зараз найчастіше для оцінювання кандидата використовується співбесіда. Цей метод має ряд недоліків. На сприйняття кандидата інтерв'юером впливають стереотипи, перше враження, фізична привабливість (непривабливість), манери, положення, одяг та інші фактори, ключовою причиною яких можна назвати суб'єктивність інтерв'юера. На основі викладеного представляється необхідним розробка комп'ютеризованої системи відбору персоналу, з проходженням етапу тестування, на якому оцінка не залежить від суб'єктивного фактора і дає стійкий результат.

2. Мета і задачі дослідження

Мета дослідження – розробка інтелектуальної системи відбору обмеженого числа претендентів на співбесіду з роботодавцем.

Задачею дослідження є оптимізація процесу відбору кандидатів з обмеженої кількості претендентів на вакантну посаду для співбесіди з роботодавцем з використанням методів нечіткої логіки.

На основі аналізу предметної області можна виділити наступні завдання, які повинна вирішувати система підбору кандидатів:

  • Підготовка даних з анкет кандидатів до виду придатному для їх подальшого аналізу.
  • Попередній відбір анкет за висунутими вимогами і обмежуючим факторам.
  • Аналіз відібраних анкетних даних.

    • 3. Огляд досліджень та розробок

    Аналіз стану розробки проблеми підбору персоналу показав, що наявні на ринку програмні продукти (Personnel Manager, «БОС-Кадровик», «Радість кадровика», «1С: Зарплата і Управління Персоналом 8.0» тощо) не дозволяють забезпечити інформаційно-аналітичну підтримку прийняття рішення з відбору персоналу з урахуванням пріоритетності та суперечливості висунутих вимог до персоналу, що обумовлює необхідність розробки нового комп'ютерного методу відбору персоналу фірми [2].

    В якості програмної бази нового методу відбору персоналу фірми пропонується використовувати Експертну систему підтримки прийняття рішень у кризових ситуаціях (ЕС ПРКС), засновану на автоматичній класифікації поточної ситуації в умовах неповної та нечіткої вхідної інформації та формуванні управлінського рішення, відповідного розпізнаної класу ситуації [3].

    Подібна система підтримки прийняття рішень вже розроблялася багатьма компаніями, одним з використовуваних рішень для великих підприємств є системи SAP [4]:

    Архітектура рішення SAPERPHCM

    Рисунок 1 – Архітектура рішення SAPERPHCM

    Так як модуль SAP E-Recruiting є спеціалізованим в частині підбору персоналу, його використання буде включати найменшу кількість доопрацювань, що покривають функціональні дефіцити системи. Однак його застосування буде більш ефективним при спільній експлуатації з компонентом SAP Business Intelligence, що використовують методи Data mining.

    Відомі також і інші способи вирішення завдання відбору претендентів з використанням нейронних мереж [ 5 ] і дерева рішень [ 6 ]. Недоліком даних методів є те, що вони не дозволяють повною мірою оцінити професійні якості шукачів відповідно до вимог роботодавців. Вони дають можливість аналізувати тільки дані з анкет шукачів. Однак дерево рішень буде доцільно використовувати для класифікації професійних навичок, визначення ступеня важливості і залежності між ними.

    Відомий так само новий підхід до оцінки претендентів на вакансії в онлайн-системі підбору персоналу з використанням таксономії, алгоритмів машинного навчання для вирішення проблеми розрахунку рейтингу кандидата і проведення семантичних методів зіставлення [ 7 ]. Пропонована система витягує набір об'єктивних критеріїв з профілю LinkedIn кандидата, і порівнює їх семантично до ставляться. Він також виводить їх особистісні характеристики на основі лінгвістичного аналізу їх блогу. Перевагою даної системи є те, що результати її роботи постійно порівнювалася з рекрутерами, а також, що її можна використовувати для автоматизації розрахунку рейтингу кандидатів і вивчення особистісних характеристик. Недоліки: для роботи алгоритму необхідна навчальна вибірка з оцінками експертів та велика трудомісткість.

    У книзі А.В. Андрейчиков О.Н. Андрейчикова. «Аналіз, синтез, планування рішень в економіці» у розділі 4.8.3 «Метод нечіткого логічного висновку в задачі вибору фірмою кандидата на заміщення вакантної посади бухгалтер» описаний підхід, що використовує метод нечіткого висновку для вирішення завдання підбору персоналу. Суть якого, полягає в наступному: складаються правила і записуються в базу знань інтелектуальної системи. У процесі виконання завдання користувачем задаються вихідні дані, які являють собою значення лінгвістічних змінних, відповідних вимогам. Обробка цих даних здійснюється за допомогою процедур нечіткого логічного висновку. Результатами роботи системи є нечітка множина, отримана для заданого кандидата, і міра його схожості з можливими наслідками, тобто нечіткими множинами. У результаті сортування претендентів складається рейтинг кандидатів, який і дозволить виділити кращих кандидатів, які підуть на співбесіду [ 8 ].

    Описаний метод прийняття рішень з використанням правил нечіткого висновку є адаптацією нечіткої логіки до процесів прийняття рішень з вихідними даними у вигляді точкових оцінок. У ряді випадків оцінювання альтернатив зручніше проводити з використанням нечітких чисел, які є значеннями лінгвістичних змінних. При цьому правила можуть застосовуватися не одночасно, а послідовно. Такий підхід до комп'ютерної підтримки процесів прийняття рішень використовується в інтелектуальних системах з нечіткою логікою.

    Перевагою даного підходу є те, що формалізація знань за допомогою правил дозволяє враховувати різну важливість критеріїв і самих правил для формування вимог до посади. Для обліку різної важливості правил у книзі використовуються нормовані вагові коефіцієнти, які можна отримати або шляхом попарних порівнянь, або шляхом експертного призначення ваг.

    У своїй роботі я буду використовувати експертне призначення ваг, так як це дозволить враховувати важливість кожного критерію і спростить роботу користувача з системою. У розглянутій задачі можливі різні підходи до вибору кандидата на посаду: м'який, жорсткий, раціональний і т. д. Я буду використовувати у своїй роботі жорсткий підхід. Жорсткий підхід до вибору кандидата на посаду можливий у випадку надлишку кваліфікованих кадрів та ресурсу часу, відведеного для вибору. Метою такого підходу є пошук кандидата, найбільш відповідного ідеалу.

    Недоліком даного підходу є те, що він не враховує при оцінюванні кандидата їхні професійні дані, не описаний алгоритм оцінювання ступеня володіння цими навичками, не описаний етап отримання вхідних даних для роботи системи, а так само завдання підбору персоналу розглянута у вузькій спрямованості - тільки для посади бухгалтер.

    У своїй роботі я врахую ці недоліки і постараюся усунути.

    Таким чином, для вирішення завдання відбору претендентів на вакантну посаду я буду використовувати методи нечіткої логіки. Застосування нечіткої логіки для вирішення даної задачі дозволить формалізувати знання експертів при формуванні вимог роботодавцем до посади [ 9 ].

    4. Застосування нечітких показників в задачі відбору персоналу на вакансію

    Наведемо формальну постановку задачі відбору персоналу:

    1. Задано безліч вимог Tm, що пред'являються до претендента на вакансію m:

    Tm = {P1m, P2m, ..., Pnm};

    Pim = {Qi1m, Qi2m, ..., Qikm};

    Pim - безліч значень для кожної вимоги;

    Qijm - значення для вимоги до претендента на вакансію m;

    i = 1, ..., n;

    j = 1, ..., k;

    m = 1, ..., M;

    n - число вимог до претендентів на вакансію m;

    k - число значень для кожної вимоги;

    M - число вакансій;

    2. Безліч Gm коефіцієнтів - «критеріїв важливості», що визначають "рівень важливості" всіх вимог.

    Gm = {G1m, G2m, ..., Gnm};

    3. Безліч Ls характеристик претендента s.

    Ls = {L1s, L2s, ..., Lzs};

    Lis = {Qi1s, Qi2s, ..., Qils};

    i = 1, ..., z;

    s = 1, ..., S;

    z - кількість характеристик претендента s;

    l - кількість значень кожної характеристики кандидата;

    S - кількість претендентів на вакансію m;

    L - безліч всіх претендентів.

    Потрібно:

    Вибрати множину P претендентів на вакансію m - необхідну кількість претендентів, відповідно до вимог.

    P = {P1, P2, ..., PS};

    Одним з основних завдань для побудови системи відбору кандидатів, є задача визначення множини Gm - «критеріїв важливості».

    Вибір претендентів на вакансію m:

    1. Формування списку вимог із заданими значеннями.

    2. Визначення «критеріїв важливості» кожної вимоги шляхом експертного призначення ваг.

    3. Визначення міри відповідності претендентів вакансії за допомогою дерева рішень та алгоритму нечіткого висновку Сугено.

    4. Формування списку «кращих» претендентів.

    Передбачається використання таких даних в якості лінгвістичних змінних для формування рейтингу претендентів за допомогою нечіткого висновку[ 10]. :

    Вид діяльності (аналізується на етапі вибірки кандидатів з бази даних агентства); дата народження (на підставі якої буде розрахований вік); загальний трудовий стаж роботи; стаж роботи на вакантній посаді; стать; освіта; спеціальність і кваліфікація; займані посади; причини звільнення; наявність досвіду роботи на керівних посадах; досвід роботи з комп'ютером; мовні навички і т.д.

    Вік (розраховується на підставі дати народження)[ 11 ]. :

    На рисунку 3 представлений вигляд функції належності для віку.

    Рисунок 3 – Графік функції приналежності для лінгвістичної змінної «Вік»

    Рисунок 3 – Графік функції приналежності для лінгвістичної змінної «Вік»

    Аналогічним чином можна представити інші лінгвістичні змінні.

    Загальний трудовий стаж роботи (в роках):

    Стаж роботи на вакантній посаді (у роках):

    Наявність досвіду роботи на керівних посадах:

    Стать:

    Освіта:

    Спеціальність:

    Кваліфікація:

    Посади:

    Причини звільнення:

    Досвід роботи з комп'ютером:

    Мовні та інші навички:

    Були обрані основні параметри, які найбільш часто зустрічаються у вимогах роботодавців і мають найбільшу значимість для них. При складанні списку вимог роботодавцю необхідно задати значення для кожної навички. При цьому повинна бути можливість задавати необмежену кількість вимог, з можливістю редагування переліку можливих навичок.

    Ступінь володіння професійними навичками можна отримати, використовуючи дерево рішень. Проаналізувавши вимоги з найбільшого в Україні сайту пошуку роботи та працівників - work.ua, для побудови дерева рішень відділу інформаційних технологій (ІТ) були обрані навички,які найчастіше зустрічаються. Для відділу ІТ дерево рішень буде мати наступний вигляд:

    Дерево рішення для задачі підбору персоналу в ІТ відділі

    Рисунок 3 - Дерево рішення для задачі підбору персоналу в ІТ відділі
    (анімація: 5 кадрів, 5 циклів повторення, 20 кілобайт)

    Розглянемо дані, взяті з вимоги на вакантну посаду, а також характеристики кандидатів з їх анкет з сайту work.ua.

    Вакансія № 1

    Розробник. NET / C #

    24000 грн., За результатами співбесіди

    Компанія:

    Укрінвент, ТОВ

    Усі вакансії цієї компанії

    Місто:

    Київ

    Вид зайнятості:

    повна зайнятість

    Вимоги до шукача

    • досвід роботи від 1 року

    • не має значення, готові взяти студента

    Опис вакансії

    Молодий компанії для створення додатків під Windows потрібно адекватний вміє працювати в команді розробник. NET / C #.

    Вимоги.

    • Знання та досвід роботи з. NET Framework / C #

    • Знання принципів ООП

    • Навички розробки користувальницького інтерфейсу WPF

    • Мережеві технології, WCF

    • Розуміння архітектури ОС, і принципів її роботи.

    Умови.

    Ми надаємо офіс в районі метро Шулявська, дружну атмосферу, наявність колег-програмістів в колективі, нестандартні та цікаві завдання, лояльне керівництво, гнучкий графік (можливе суміщення з навчанням).

    ЗП гідна за результатами співбесіди та виконання невеликого тестового завдання.

    Складемо базу правил для основних вимог анкети. Для цього будемо використовувати алгоритм нечіткого висновку Sugeno. Перевагою цього алгоритму є те, що при побудові правил існує можливість задавати вагові коефіцієнти для кожного з підумови.

    Вхідні змінні:

    Нехай х1 - досвід (стаж) роботи від 1 року,

    х2 - знання та досвід роботи з. NET Framework,

    х3 - знання та досвід роботи з C #,

    х4 - знання принципів ООП,

    х5 - навички розробки користувальницького інтерфейсу WPF

    х6 - мережеві технології, WCF.

    База правил для вакансії № 1:

    Якщо х1 є «будь-який», то ступінь істинності подзаключенія:

    W = 0,2 С1. Вага правила: F1 = 0,3.

    Якщо х2 є «так» і х3 є «так», то ступінь істинності подзаключенія:

    W = 0,8 С2 + 0,8 С3. Вага правила: F1 = 0,6.

    Якщо х4 є «так», і х3 то ступінь істинності подзаключенія:

    W = 0,9 С4. Вага правила: F1 = 0,9.

    Якщо х5 є «так» і х6 є «так», то ступінь істинності подзаключенія:

    W = С5 + С6. Вага правила: F1 = 1.

    Розглянемо дані з 2-х анкет, взятих з сайту work.ua. З метою збереження конфіденційності інформації про кандидатів, їхні особисті дані, які не будуть аналізуватися, були змінені.

    Анкета № 1

    Петров Петро Петрович

    Системний адміністратор, от 2000 грн. / Міс., Повна зайнятість

    Дата народження:

    3 червня 1989 (23 роки)

    Місто:

    Петровськ

    Контактна інформація

    Для перегляду контактної інформації потрібно увійти як роботодавець ілізарегістріроваться.

    Досвід роботи

    адміністратор

    з 01.2007 по 09.2011 (4 роки 8 місяців)

    next (локальна комп'ютерна мережа)

    В обов'язки входило підключення абонентів, настройка клієнтського ПК для роботи в мережі, консультації (телефонний режим) з загальних питань стосується роботи ЛКС

    Освіта

    Вища

    з 09.2006 по 06.2011

    Херсонський національний технічний університет, кібернетика, програмне забезпечення автоматизованих систем, Херсон.

    Професійні навички

    Навики роботи з комп'ютером, ПЗ

    знання ОС Windows, Linux, MS Office, web-програмування

    Знання мов

    Російська - експерт

    Українська - експерт

    Англійська - середній

    Додаткова інформація

    цілеспрямований, відповідальний, пунктуальний, акуратний, нові знання та навички даються легко.

    Х1 = 2 роки

    Для першого терма досвід роботи = початковий.

    B11 = (с - x) / (с-b), тому що досвід роботи «початковий» [0; 3], b <= x <= c

    A, b, c - точки для трикутної функції приналежності,

    B11 - ступінь істинності 1-го підумови для 1-го терма.

    B11 = (3 - 2) / (3 - 1,5) = 0,67,

    Для другого терма досвід роботи = слабкий.

    В12 = 0, тому x <= а

    Аналогічно, для решти термів: В13 = 0, В14 = 0, В15 = 0.

    Bi - ступінь істинності для всього підумови.

    В1 = max (Вi + j) = 0,67;

    M '(y) = average (Bi), для перевірки всіх вимог більше підходить.

    M '(y) = 0,2 / 1 = 0,2;

    Ci - ступінь активації для всього підумови c урахуванням ваги правила.

    C1 = M '(y) * F1, де F1 - вага правила.

    C1 = 0, 2 * 0,3 = 0,06;

    Wi - ступінь істинності подзаключеній.

    W1 = Е1 * B1, де Е1 - ваговий коефіцієнт у базі правил.

    W1 = 0,2 * 0,67 = 0,134 - ступінь істинності подзаключеній по 1-му правилу.

    Аналогічно, прораховуємо ступінь істинності подзаключеній (Wi) і ступінь активації (Ci), отримаємо:

    Для 2-ої правила:

    В1 = max (Вij) = 0,5; В2 = max (Вij) = 0;

    В1 - ступінь істинності. NET, яку визначаємо згідно з даними з дерева рішень.

    В2 - ступінь істинності C #, дорівнює 0, тому не володіє цією навичкою, згідно дереву рішень.

    M '(y) = average (Bi), для перевірки всіх вимог більше підходить.

    M '(y) = 0,5 / 2 = 0,25;

    C2 = M '(y) * F2, де F2 - вага правила.

    C2 = 0,25 * 0,6 = 0,15;

    W2 = Е1 * B1 + Е2 * B2, де Еi - вагові коефіцієнт у базі правил.

    W2 = 0,8 * 0,25 + 0,8 * 0 = 0,2 - ступінь істинності подзаключеній по 2-м правилом.

    C3 = 0, W3 = 0, C4 = 0, W4 = 0, так як кандидат не володіє такими навичками.

    За допомогою формули центру тяжіння для одноточечних множин отримаємо:

    y = sum (Ci * Wi) / sum (Ci);

    y = (0,2 * 0,134 + 0,15 * 0,2 +0 * 0 +0 * 0) / (0,2 +0,15 +0 +0) = 0.162 - ступінь відповідності Анкети № 1 Вакансії № 1.

    Анкета № 2

    Васильєв Василь Васильович

    C # developer, повна зайнятість, неповна зайнятість

    Дата народження:

    24 березня 1993 (20 років)

    Місто:

    Василівський

    Контактна інформація

    Для перегляду контактної інформації потрібно увійти як роботодавець або зареєструватися.

    Освіта

    Незакінчена вища

    з 09.2009 по 09.2014

    КПІ, ФІОТ, Київ.

    Додаткова інформація

    Васильєв Василь Васильович

    Місце проживання: Василівський, вул. Василевська, 18/20

    Телефон: [переглянути контакти]

    E-mail: [переглянути контакти]

    Мета: Вдосконалення і освоєння практичних навичок в реальних проектах.

    Освіта:

    2009 - наст.вр. - Київський Політехнічний інститут, факультет Обчислювальної техніки та інформатики, спеціальність: «системна інженерія»

    Досвід роботи та трудової діяльності:

    • Досвіду в комерційній розробці додатків не маю

    Знання та навички:

    • знання C #,. NET Framework;

    • початкові знання Flex / Flash, ActionScript;

    • розуміння принципів ООП;

    • професійний користувач ПК;

    • проектування інформаційних систем, реляційних баз даних;

    • технічне знання Англійської мови;

    Особистісні якості:

    Уміння якісно працювати. Сумлінність у роботі. Працьовитість.

    Зацікавлений вдосконалюватися і освоювати нові технології та засоби розробки.

    Побажання:

    • гнучкий графік роботи.

    Розрахуємо ступінь істинності підумови для першого правила, для першого підумови.

    Х1 = 0;

    Для першого терма досвід роботи = початковий.

    В11 = 0, тому x <= а

    Аналогічно, для решти термів: В12 = 0, В13 = 0, В14 = 0, В15 = 0.

    Bi - ступінь істинності для всього підумови.

    В1 = max (Вij) = 0;

    M '(y) = average (Bi), для перевірки всіх вимог більше підходить.

    M '(y) = 0/1 = 0;

    Ci - ступінь активації для всього підумови c урахуванням ваги правила.

    C1 = M '(y) * F1, де F1 - вага правила.

    C1 = 0 * 0,3 = 0;

    Wi - ступінь істинності подзаключеній.

    W1 = Е1 * B1, де Е1 - ваговий коефіцієнт у базі правил.

    W1 = 0,2 * 0 = 0 - ступінь істинності подзаключеній по 1-му правилу.

    Аналогічно, прораховуємо ступінь істинності подзаключеній (Wi) і ступінь активації (Ci), отримаємо:

    В1 = max (Вij) = 1; В2 = max (Вij) = 1;

    M '(y) = average (Bi), для перевірки всіх вимог більше підходить.

    M '(y) = 2/2 = 1;

    C2 = M '(y) * F2, де F2 - вага правила.

    C2 = 1 * 0,6 = 0,6;

    W2 = Е1 * B1 + Е2 * B2, де Еi - вагові коефіцієнт у базі правил.

    W2 = 0,8 * 1 + 0,8 * 1 = 1,6 - ступінь істинності подзаключеній по 2-м правилом.

    Для 3-его правила:

    Bi - ступінь істинності для всього підумови.

    В1 = max (Вij) = 1;

    M '(y) = average (Bi), для перевірки всіх вимог більше підходить.

    M '(y) = 1/1 = 1;

    Ci - ступінь активації для всього підумови c урахуванням ваги правила.

    C3 = M '(y) * F3, де F3 - вага правила.

    C3 = 1 * 0,9 = 0,9;

    Wi - ступінь істинності подзаключеній.

    W3 = Е1 * B1, де Е1 - ваговий коефіцієнт у базі правил.

    W3 = 0,9 * 1 = 0,9 - ступінь істинності подзаключеній по 3-м правилом.

    Для 4-го правила:

    Bi - ступінь істинності для всього підумови.

    В1 - ступінь істинності WPF, яку визначаємо згідно з даними з дерева рішень.

    В2 - ступінь істинності WCF, яку визначаємо згідно з даними з дерева рішень.

    В1 = max (Вij) = 0,5;

    В2 = max (Вij) = 0,5;

    M '(y) = average (Bi), для перевірки всіх вимог більше підходить.

    M '(y) = (0,5 +0,5) / 2 = 0,5;

    Ci - ступінь активації для всього підумови c урахуванням ваги правила.

    C4 = M '(y) * F4, де F4 - вага правила.

    C4 = 0,5 * 1 = 0,5;

    Wi - ступінь істинності подзаключеній.

    W4 = Е1 * B1 + Е2 * B2, де Е1, Е2 - вагові коефіцієнти в базі правил.

    W4 = 1 * 0,5 + 1 * 0,5 = 1 - ступінь істинності подзаключеній по 4-м правилом.

    За допомогою формули центру тяжіння для одноточечних множин отримаємо:

    y = sum (Ci * Wi) / sum (Ci);

    y = (0 * 0 +0,6 * 1,6 + 0,9 * 0,9 +0,5 * 1) / (0 +0,6 +0,9 +0,5) = 1,135 - ступінь відповідності Анкети № 2 Вакансії № 1.

    Висновок: 1.135> 0.162, отже, кандидат з анкетою № 2 більше відповідає вакансії № 1, ніж кандидат з анкетою № 1.

    На підставі складеної бази правил можна сформувати рейтинг претендентів, за допомогою методів нечіткого виводу. Для поліпшення якості роботи системи планується додавання спеціальних параметрів, відповідно до вакантною посадою.

    Висновки

    Якісний аналіз даних можливий за наявності повної інформації в анкетних даних кандидатів. Таким чином, процес оцінки відповідності рівня підготовки претендентів вимогам роботодавця доцільно проводити з використанням інтелектуальної системи, робота якої дозволить отримати об'єктивну оцінку відповідності рівня підготовки претендентів вимогам роботодавця.

    У даній роботі описана завдання формування списку кандидатів для попереднього відбору кандидатів з використанням нечіткої логіки. Використання нечітких показників дозволить врахувати всі вимоги, пропоновані роботодавцями, і відібрати найкращих кандидатів на співбесіду.

    При написанні даного реферату магістерська робота ще не завершена. Остаточне завершення: грудень 2013 року. Повний текст роботи та матеріали по темі можуть бути отримані у автора або його керівника після зазначеної дати.

    Перелік посилань

    1. Гіль М.В., Фонотов А.М., Розробка системи попереднього відбору кандидатів на співбесіду на основі методів інтелектуального аналізу даних, науково-технічний журнал ВАК України «Штучний інтелект »№ 2 - 2013, с. 24-34.
    2. Кретов В.С., Коробіцина І.М., Комп'ютерний метод відбору персоналу фірми / / Наукознавство інтернет-журнал [Електронний ресурс]. - Режим доступу: http://naukovedenie.ru/index.php?id=160.
    3. Кретов В.С., Лебедєв І.С., Новий метод автоматичної класифікації терористичних актів / / Науково-технічна інформація. 2006. № 5. с. 14-16.
    4. SAP Business Management Software Solutions, Applications and Services [Електронний ресурс]. - Режим доступу: http://www.sap.com/ .
    5. Азарнова Т.В., Тернових І.М., Застосування нейромереж в процесі підбору персоналу, Вісник ВДУ, серія: системний аналіз та інформаційні технології. 2009. № 2. с. 76-80.
    6. Qasem A. Al-Radaideh, Eman Al Nagi, Using Data Mining Techniques to Build a Classification Model for Predicting Employees Performance, (IJACSA) International Journal of Advanced Computer Science and Applications, № 3, № 2, 2012, с. 144-151.
    7. Faliagka E. et. al., Taxonomy Development and Its Impact on a Self-learning e-Recruitment System, International Federation for Information Processing, 2012 pp. 164-174.
    8. Андрейчиков А.В. Аналіз, синтез, планування рішень в економіці. / О.В. Андрейчиков, О.Н. Андрейчикова. - М.: Фінанси і статистика, 2000. - 203 с.
    9. F. Herrera, E. Lopez, C. Mendana and MA, Rodriguez, A linguistic decision model for personnel management solved with a linguistic biobjective genetic algorithm, Fuzzy Sets and Systems, 2001, № 118, Issue 1, pp. 47-64.
    10. Gil M. V., Fonotov A. M, Data mining as part of the information technologies market of the human resources, Information control systems and computer monitoring (ICS and CM) / / Materials III National Conference of Students and Young Scientists. - Donetsk, Donetsk National Technical University - 2012, рр. 157-160.
    11. Гіль М.В., Фонотов А.М., Методика відбору персоналу на вакансію на основі нечітких показників, Інформаційні управляючі системи та комп'ютерний моніторинг (ІПС-2013) / Матеріали IV міжнародній науково-технічній конференції студентів, аспірантів та молодих вчених. - Донецьк, ДонНТУ - 2013, Том 2, с. 67-71.