نظام ذكاء اصطناعي لمطابقة السير الذاتية مع الوظائف باستخدام تقنيات NLP

قمت بتطوير نموذج تعلم عميق (Deep Learning) متقدم يهدف إلى أتمتة عملية الفرز الأولي للمتقدمين للوظائف. يعتمد المشروع على هندسة Transformers وتحديداً نموذج DistilBERT لضمان الدقة العالية مع سرعة المعالجة.

أبرز مميزات المشروع:

المطابقة الذكية: لا يعتمد النظام على الكلمات المفتاحية التقليدية فقط، بل يفهم سياق الخبرات والمهارات في السيرة الذاتية ويقارنها بمتطلبات الوظيفة بدقة.

هيكلية النموذج: استخدمت إطار عمل PyTorch لبناء نموذج مطابقة ثنائي (Binary Matcher) يحسب درجة التوافق بين السيرة الذاتية ووصف الوظيفة.

دقة الأداء: حقق النموذج نسبة دقة (Accuracy) تصل إلى 92%، مما يجعله أداة موثوقة لتقليل الجهد البشري في أقسام الموارد البشرية.

المعالجة اللغوية: تضمن المشروع مرحلة تنظيف وتنقية نصوص متقدمة باستخدام Regular Expressions لضمان جودة البيانات المدخلة.

التقنيات المستخدمة:

1-لغة البرمجة: Python

2-إطار التعلم العميق: PyTorch

3-المعالجة اللغوية: Hugging Face Transformers (DistilBERT)

4-مكتبات تحليل البيانات: Pandas, NumPy

5-التقييم والقياس: Scikit-learn (F1-Score, Confusion Matrix)

هذا المشروع يمثل حلاً تقنياً للشركات التي تستقبل آلاف الطلبات وترغب في تحديد أفضل الكفاءات بسرعة ودقة متناهية.