灯光模式和桌面站点的最佳视图(推荐)
简历分析、预测和推荐工具
用 构建?作者:Deepak Padhi,通过 Bright 博士——(数据科学家)
为在 2022-23 学年在 Kirti College 部分完成 B.sc CS 学位而提交的项目
一种使用自然语言处理从简历中解析信息并查找关键字、根据关键字将它们聚类到各个部分的工具。 最后根据关键词匹配向申请人/招聘人员显示推荐、预测和分析。
我。它可用于将所有简历数据转换为结构化表格格式和 csv,以便组织可以将这些数据用于分析目的
二.通过提供建议、预测和总体分数,用户可以改进他们的简历,并可以继续在我们的工具上进行测试
三.由于用户部分,它可以增加我们工具的更多流量
四.大学可以使用它在安置前了解学生及其简历
v. 另外,获取用户最寻找的角色的分析
六.通过获取反馈来改进此工具
流线型
超文本标记语言
CSS
JavaScript
流线型
Python
MySQL
熊猫
派雷斯帕瑟
pdfminer3
阴谋
NLTK
获取位置和其他数据
使用解析技术来获取
基本信息
技能
关键词
使用逻辑程序,它会推荐
可添加的技能
预测的工作角色
课程和证书
简历技巧和想法
总分
面试和简历技巧视频
将所有申请人的数据转换为表格格式
将用户数据下载到csv文件中
在“上传的简历”文件夹中查看所有已保存的上传 pdf
获取用户反馈和评分
饼图:-
评级
预测领域/角色
经验等级
简历分数
用户数
城市
状态
国家
表格填写
评分为 1 – 5
显示总体评分饼图
过去的用户评论历史
Python (3.9.12) https://www.python.org/downloads/release/python-3912/
MySQL https://www.mysql.com/downloads/
Visual Studio Code (首选代码编辑器) https://code.visualstudio.com/Download
适用于 C++ 的 Visual Studio 构建工具 https://aka.ms/vs/17/release/vs_BuildTools.exe
要运行此项目,请执行以下任务 ?
手动或通过git下载代码文件
git 克隆 https://github.com/deepakpadhi986/AI-Resume-Analyzer.git
创建虚拟环境并激活(推荐)
打开命令提示符并将项目目录更改为AI-Resume-Analyzer
并运行以下命令
python -m venv venvappcd venvapp/脚本 激活
从App
文件夹内的requirements.txt
下载包
cd../..cd 应用程序 pip install -r 要求.txt python -m spacy 下载 en_core_web_sm
安装完成后创建数据库cv
并在App.py
中更改用户凭据
AI-Resume-Analyzer/App/App.py
17e1cdb 中的第 95 行
连接= pymysql 。连接(主机= 'localhost' ,用户= 'root' ,密码= 'root@MySQL4admin' , db = 'cv' ) |
转到venvappLibsite-packagespyresparser
文件夹
并将resume_parser.py
替换为resume_parser.py
这是我在pyresparser
文件夹中提供的
Congratulations ?? your set-up ? and installation is finished ??
我希望你的venvapp
已激活并且工作目录位于App
内
使用以下命令运行App.py
文件
Streamlit运行App.py
如果出现GeocoderUnavailable
错误,只需检查您的互联网连接和网络速度
检查安装视频
随意发送邮件
设置完成后,它会自动执行一些操作
您只需上传简历即可体验它的魔力
首先尝试将我的简历上传到Uploaded_Resumes
文件夹中
管理员用户 ID 为admin
,密码为admin@resume-analyzer
预测用户体验水平。
添加技能和项目的简历评分标准。
添加了针对 Web、Android、iOS、数据科学的字段和建议。
分别为其他角色添加更多字段及其建议。
从用户简历中获取更多详细信息。
查看个人用户详细信息。
欢迎请求请求。
对于重大更改,请先打开一个问题来讨论您想要更改的内容。
我附上了该项目的概要
如果您想要项目的完整报告,请发送电子邮件给我, it's FREE
Bright 博士 -(全栈数据科学家训练营)
具有自然语言处理功能的简历解析器
派雷斯帕瑟
主屏幕
简历分析
技能推荐
课程推荐
提示和总分
视频推荐
反馈表
总体评级分析和评论历史
登录
用户数及其数据
导出的 csv 文件
反馈数据
簇的饼图分析表示