EphèseLe catalogue de la bibliothèque de l'ECAM

Intégration du machine learning dans SmartCV pour améliorer l'assignation de missions aux consultants / Sohaib El Amiri Charif 

Public ISBD Titre : Intégration du machine learning dans SmartCV pour améliorer l'assignation de missions aux consultants Type de document : Travail de fin d'études Auteurs : Sohaib El Amiri Charif, Auteur ; Emad AL SOUS, ; Ken Hasselmann, Editeur : ECAM Année de publication : 2023 Note générale : ECAM Langues : Français (fre) Index. décimale : TFE - Informatique (ECAM) Résumé : Ce travail de fin d'études se penche sur l'optimisation du processus d'assignation de missions aux consultants chez Business and Decision en intégrant des techniques de machine learning à la plateforme SmartCV. Le projet vise à améliorer la correspondance entre les offres de mission et les profils des consultants, ainsi qu'à proposer des améliorations de CV et des formations pertinentes. Le TFE aborde trois aspects essentiels: la proposition de profils adaptés grâce à un système de recommandation intelligent, l'amélioration des CV en fonction du titre de la fonction et l'identification des compétences clés du marché pour proposer des formations ciblées. Des méthodes d'extraction d'information avancées, telles que la reconnaissance d'entités nommées (NER) et les expressions régulières (REGEX), ainsi que des techniques d'incorporation de mots et des mesures de similarité, sont employées pour affiner la correspondance entre les exigences des clients et les compétences des consultants. Dans ce travail, l'analyse des données du marché permet de détecter des tendances et des compétences clés pour ajuster les formations et les engagements des consultants selon les besoins actuels. Les différentes étapes du projet sont décrites de manière structurée et transparente, fournissant une vue d'ensemble des méthodes employées pour intégrer ces innovations dans le secteur du conseil. En conclusion, ce travail de fin d'études explore les possibilités offertes par le machine Iearning pour améliorer l'assignation de missions aux consultants, en optimisant les profils et en ciblant les compétences les plus pertinentes pour le marché. Cette étude souligne comment ces avancées pourraient favoriser une adéquation plus précise entre les attentes des clients et les compétences des consultants dans le domaine du conseil. Intégration du machine learning dans SmartCV pour améliorer l'assignation de missions aux consultants [Travail de fin d'études] / Sohaib El Amiri Charif, Auteur ; Emad AL SOUS, ; Ken Hasselmann,  . - ECAM, 2023. ECAM Langues : Français (fre) Index. décimale : TFE - Informatique (ECAM) Résumé : Ce travail de fin d'études se penche sur l'optimisation du processus d'assignation de missions aux consultants chez Business and Decision en intégrant des techniques de machine learning à la plateforme SmartCV. Le projet vise à améliorer la correspondance entre les offres de mission et les profils des consultants, ainsi qu'à proposer des améliorations de CV et des formations pertinentes. Le TFE aborde trois aspects essentiels: la proposition de profils adaptés grâce à un système de recommandation intelligent, l'amélioration des CV en fonction du titre de la fonction et l'identification des compétences clés du marché pour proposer des formations ciblées. Des méthodes d'extraction d'information avancées, telles que la reconnaissance d'entités nommées (NER) et les expressions régulières (REGEX), ainsi que des techniques d'incorporation de mots et des mesures de similarité, sont employées pour affiner la correspondance entre les exigences des clients et les compétences des consultants. Dans ce travail, l'analyse des données du marché permet de détecter des tendances et des compétences clés pour ajuster les formations et les engagements des consultants selon les besoins actuels. Les différentes étapes du projet sont décrites de manière structurée et transparente, fournissant une vue d'ensemble des méthodes employées pour intégrer ces innovations dans le secteur du conseil. En conclusion, ce travail de fin d'études explore les possibilités offertes par le machine Iearning pour améliorer l'assignation de missions aux consultants, en optimisant les profils et en ciblant les compétences les plus pertinentes pour le marché. Cette étude souligne comment ces avancées pourraient favoriser une adéquation plus précise entre les attentes des clients et les compétences des consultants dans le domaine du conseil.

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité
aucun exemplaire

Documents numériques

Ce document n'est visible qu'après identification Redaction-TFE-Sohaib-VF_compressed.pdf Adobe Acrobat PDF

---

1 (1 - 1 / 1) Par page : 25 50 100 200