Metodología para la clasificación de documentos de texto de hojas de vida basado en aprendizaje de máquina

Matamoros Villegas, Javier Leomar

Publicación:
Metodología para la clasificación de documentos de texto de hojas de vida basado en aprendizaje de máquina

dc.contributor.advisor	Montoya Múnera, Edwin Nelson
dc.contributor.author	Matamoros Villegas, Javier Leomar
dc.coverage.spatial	Medellín de: Lat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degrees Long: 075 36 00 W degrees minutes Long: -75.6000 decimal degrees	eng
dc.creator.email	jlmatamorv@eafit.edu.co	spa
dc.date.accessioned	2023-05-10T16:25:03Z
dc.date.available	2023-05-10T16:25:03Z
dc.date.issued	2023
dc.description	El proceso de selección de personal es complejo y requiere una gran cantidad de información y análisis para encontrar a los candidatos adecuados para una posición. Incluye varias etapas, como la revisión de currículums, pruebas psicológicas y verificación de referencias. Sin embargo, el análisis de currículums puede ser un desafío, ya que implica una intervención humana y la gran cantidad de información puede resultar difícil de procesar por computadora. Además, las empresas pueden enfrentar dificultades y costos elevados debido a la complejidad del proceso y la alta demanda en el mercado laboral. Para resolver este problema, se propone la metodología CVNLP (Curriculum Natural Language Processing), que utiliza un conjunto de 725 hojas de vida en formatos PDF, DOCX y DOC para analizar los currículums de manera eficiente y eficaz. La metodología se aplica de manera transversal y ha demostrado su eficacia en la selección de personal. Al reducir los costos y mejorar la eficiencia en el proceso de selección de personal, las empresas pueden centrarse en su núcleo de negocio y facilitar el proceso de selección de personal. En resumen, la metodología CVNLP se presenta como una solución prometedora para mejorar la eficacia y eficiencia en los procesos de selección de personal, especialmente para las PYMEs con recursos limitados	spa
dc.description.degreelevel	Maestría	spa
dc.description.degreename	Magíster en Ciencias de Datos y Analítica	spa
dc.format.mimetype	application/pdf
dc.identifier.ddc	006.31 M425
dc.identifier.instname	instname:Universidad EAFIT
dc.identifier.reponame	reponame:Repositorio Institucional Universidad EAFIT
dc.identifier.repourl	repourl:http://repository.eafit.edu.co
dc.identifier.uri	http://hdl.handle.net/10784/32439
dc.language.iso	spa
dc.publisher	Universidad EAFIT	spa
dc.publisher.department	Escuela de Administración	spa
dc.publisher.faculty	Escuela de Ciencias Aplicadas e Ingeniería	spa
dc.publisher.place	Medellín	spa
dc.publisher.program	Maestría en Ciencias de los Datos y Analítica	spa
dc.rights	Todos los derechos reservados	spa
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_abf2
dc.rights.local	Acceso abierto	spa
dc.subject	Datos no estructurados	spa
dc.subject	Recursos humanos	spa
dc.subject	Aprendizaje automático	spa
dc.subject	Análisis de texto	spa
dc.subject.keyword	Text Analysis	spa
dc.subject.lemb	APRENDIZAJE AUTOMÁTICO (INTELIGENCIA ARTIFICIAL)	spa
dc.subject.lemb	CAPITAL HUMANO	spa
dc.subject.lemb	SELECCIÓN DE PERSONAL	spa
dc.subject.lemb	MINERÍA DE DATOS	spa
dc.subject.lemb	ANÁLISIS DE INFORMACIÓN	spa
dc.title	Metodología para la clasificación de documentos de texto de hojas de vida basado en aprendizaje de máquina	spa
dc.title	Metodología para la clasificación de documentos de texto de hojas de vida basado en aprendizaje de máquina
dc.type	info:eu-repo/semantics/masterThesis
dc.type.coar	http://purl.org/coar/resource_type/c_bdcc
dc.type.coarversion	http://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.local	Tesis de Maestría	spa
dc.type.local	Tesis de Maestría
dc.type.local	Monografía
dc.type.redcol	http://purl.org/redcol/resource_type/TM
dc.type.version	info:eu-repo/semantics/acceptedVersion
dspace.entity.type	Publication