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

dc.contributor.advisorMontoya Múnera, Edwin Nelsonspa
dc.contributor.authorMatamoros Villegas, Javier Leomar
dc.coverage.spatialMedellín de: Lat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degrees Long: 075 36 00 W degrees minutes Long: -75.6000 decimal degreeseng
dc.creator.degreeMagíster en Ciencias de Datos y Analíticaspa
dc.creator.emailjlmatamorv@eafit.edu.cospa
dc.date.accessioned2023-05-10T16:25:03Z
dc.date.available2023-05-10T16:25:03Z
dc.date.issued2023
dc.descriptionEl 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 limitadosspa
dc.identifier.ddc006.31 M425
dc.identifier.urihttp://hdl.handle.net/10784/32439
dc.language.isospaspa
dc.publisherUniversidad EAFITspa
dc.publisher.departmentEscuela de Administraciónspa
dc.publisher.placeMedellínspa
dc.publisher.programMaestría en Ciencias de los Datos y Analíticaspa
dc.rightsTodos los derechos reservadosspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.localAcceso abiertospa
dc.subjectDatos no estructuradosspa
dc.subjectRecursos humanosspa
dc.subjectAprendizaje automáticospa
dc.subjectAnálisis de textospa
dc.subject.keywordText Analysisspa
dc.subject.lembAPRENDIZAJE AUTOMÁTICO (INTELIGENCIA ARTIFICIAL)spa
dc.subject.lembCAPITAL HUMANOspa
dc.subject.lembSELECCIÓN DE PERSONALspa
dc.subject.lembMINERÍA DE DATOSspa
dc.subject.lembANÁLISIS DE INFORMACIÓNspa
dc.titleMetodología para la clasificación de documentos de texto de hojas de vida basado en aprendizaje de máquinaspa
dc.typemasterThesiseng
dc.typeinfo:eu-repo/semantics/masterThesiseng
dc.type.hasVersionacceptedVersioneng
dc.type.localTesis de Maestríaspa
dc.type.spaMonografíaspa

Archivos

Bloque original
Mostrando 1 - 3 de 3
No hay miniatura disponible
Nombre:
JavierLeomar_MatamorosVillegas2023.pdf
Tamaño:
903.91 KB
Formato:
Adobe Portable Document Format
Descripción:
Trabajo de grado
No hay miniatura disponible
Nombre:
carta_aprobacion_trabajo_grado_eafit.pdf
Tamaño:
165.32 KB
Formato:
Adobe Portable Document Format
Descripción:
Carta aprobación trabajo de grado
No hay miniatura disponible
Nombre:
formulario_autorizacion_publicacion_obras.pdf
Tamaño:
581.22 KB
Formato:
Adobe Portable Document Format
Descripción:
Formulario autorización publicación obras
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
2.5 KB
Formato:
Item-specific license agreed upon to submission
Descripción: