Institutional Repository
Technical University of Crete
Technical University of Crete
EN
|
EL
| URI | http://purl.tuc.gr/dl/dias/7EBD29D6-1C61-41CD-8EEA-17F69F2F572B | - |
| Identifier | https://doi.org/10.26233/heallink.tuc.92211 | - |
| Language | el | - |
| Extent | 95 σελίδες | el |
| Extent | 2.5 megabytes | en |
| Title | Εφαρμοσμένη τεχνητή νοημοσύνη σε μεγάλου όγκου δεδομένα για χρήση επιλογής προσωπικού σε εταιρεία HR | el |
| Creator | Georgiadis Vasileios | en |
| Creator | Γεωργιαδης Βασιλειος | el |
| Contributor [Thesis Supervisor] | Karadimas Nikolaos | en |
| Contributor [Thesis Supervisor] | Καραδημας Νικολαος | el |
| Contributor [Committee Member] | Tsafarakis Stelios | en |
| Contributor [Committee Member] | Τσαφαρακης Στελιος | el |
| Contributor [Committee Member] | Καρανάσιου Ειρήνη | el |
| Publisher | Πολυτεχνείο Κρήτης | el |
| Publisher | Technical University of Crete | en |
| Publisher | Στρατιωτική Σχολή Ευελπίδων | el |
| Publisher | Hellenic Army Academy | en |
| Academic Unit | Technical University of Crete::School of Production Engineering and Management | en |
| Academic Unit | Πολυτεχνείο Κρήτης::Σχολή Μηχανικών Παραγωγής και Διοίκησης | el |
| Content Summary | Τα 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 |
| Type of Item | Μεταπτυχιακή Διατριβή | el |
| Type of Item | Master Thesis | en |
| License | http://creativecommons.org/licenses/by/4.0/ | en |
| Date of Item | 2022-05-16 | - |
| Date of Publication | 2022 | - |
| Subject | Maschine learning | en |
| Subject | Μηχανική μάθηση | el |
| Bibliographic Citation | Βασίλειος 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, 2022 | el |
Copyright © DIAS 2013
