Ιδρυματικό Αποθετήριο [SANDBOX]
Πολυτεχνείο Κρήτης
EN  |  EL

Αναζήτηση

Πλοήγηση

Ο Χώρος μου

Εφαρμοσμένη τεχνητή νοημοσύνη σε μεγάλου όγκου δεδομένα για χρήση επιλογής προσωπικού σε εταιρεία HR

Georgiadis Vasileios

Απλή Εγγραφή


URIhttp://purl.tuc.gr/dl/dias/7EBD29D6-1C61-41CD-8EEA-17F69F2F572B-
Αναγνωριστικόhttps://doi.org/10.26233/heallink.tuc.92211-
Γλώσσαel-
Μέγεθος95 σελίδεςel
Μέγεθος2.5 megabytesen
ΤίτλοςΕφαρμοσμένη τεχνητή νοημοσύνη σε μεγάλου όγκου δεδομένα για χρήση επιλογής προσωπικού σε εταιρεία HRel
ΔημιουργόςGeorgiadis Vasileiosen
ΔημιουργόςΓεωργιαδης Βασιλειοςel
Συντελεστής [Επιβλέπων Καθηγητής]Karadimas Nikolaosen
Συντελεστής [Επιβλέπων Καθηγητής]Καραδημας Νικολαοςel
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Tsafarakis Steliosen
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Τσαφαρακης Στελιοςel
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Καρανάσιου Ειρήνηel
ΕκδότηςΠολυτεχνείο Κρήτηςel
ΕκδότηςTechnical University of Creteen
ΕκδότηςΣτρατιωτική Σχολή Ευελπίδωνel
ΕκδότηςHellenic Army Academyen
Ακαδημαϊκή ΜονάδαTechnical University of Crete::School of Production Engineering and Managementen
Ακαδημαϊκή ΜονάδαΠολυτεχνείο Κρήτης::Σχολή Μηχανικών Παραγωγής και Διοίκησηςel
ΠερίληψηΤα μεγάλα δεδομένα χρησιμοποιούνται για τη βελτίωση της λήψης αποφάσεων, την παροχή ιδεών, την ανακάλυψη και την υποστήριξη, αλλά πλέον και για βελτιστοποίηση των διαδικασιών σε όλο το εύρος της βιομηχανίας. Η συγκεκριμένη εργασία θα ασχοληθεί με την αναγνώριση τύπου προσωπικότητας χρησιμοποιώντας λεκτικά δεδομένα των χρηστών απó τα μέσα κοινωνικής δικτύωσης για ανάγκες εταιρειών ανθρώπινου δυναμικού. Το μοντέλο που θα χρησιμοποιηθεί για την λύση του προβλήματος θα είναι ένα νευρωνικό δίκτυο βαθιάς μάθησης. Η βασική διαφορά του μοντέλου αυτού απο τα κλασικά μοντέλα βαθιάς μάθησης είναι ότι στην συγκεκριμένη περίπτωση θα γίνει εκμετάλλευση μια αρχιτεκτονικής μοντέλου, με έναν τύπο μνήμης όπως είναι η Long Short-Term Memory (LSTM) Reccurent Neural Network, η οποία έχει αποδειχθεί ότι είναι πολύ καλύτερη από τις κλασικές αρχιτεκτονικές ειδικά εφόσον θα πρέπει να αντιμετωπιστούν προβλήματα σχετικά με αλληλουχίες (sequential problems) όπου στην συγκεκριμένη περίπτωση η ανάλυση λεκτικού περιεχομένου είναι ένα πρόβλημα αλληλουχίας. Τέλος, ο απώτερος σκοπός αυτής της εργασίας είναι η λύση του προβλήματος το οποίο δημιουργείται στα τμήματα Ανθρώπινου Δυναμικού κατά το στάδιο επιλογής προσωπικού. Συγκεκριμένα οι επιχειρήσεις με μεγάλο όγκο υποψήφιων εργαζομένων, χρησιμοποιώντας τον αλγόριθμο μηχανικής μάθησης, δύνανται να εξοικονομήσουν χρόνο και χρήμα, λαμβάνοντας την εικόνα ψυχογραφήματος των υποψηφίων, η οποία πραγματοποιείται συνήθως από εξωτερικά συνεργαζόμενους ψυχολόγους. el
ΤύποςΜεταπτυχιακή Διατριβήel
ΤύποςMaster Thesisen
Άδεια Χρήσηςhttp://creativecommons.org/licenses/by/4.0/en
Ημερομηνία2022-05-16-
Ημερομηνία Δημοσίευσης2022-
Θεματική ΚατηγορίαMaschine learningen
Θεματική ΚατηγορίαΜηχανική μάθησηel
Βιβλιογραφική ΑναφοράΒασίλειος Γεωργιάδης, "Εφαρμοσμένη τεχνητή νοημοσύνη σε μεγάλου όγκου δεδομένα για χρήση επιλογής προσωπικού σε εταιρεία HR", Μεταπτυχιακή Διατριβή, Σχολή Μηχανικών Παραγωγής και Διοίκησης, Πολυτεχνείο Κρήτης, Στρατιωτική Σχολή Ευελπίδων, Χανιά, Ελλάς, 2022el

Διαθέσιμα αρχεία

Υπηρεσίες

Στατιστικά