燈光模式和桌面網站的最佳視圖(建議)
履歷分析、預測和推薦工具
用 建構?作者:Deepak Padhi,透過 Bright 博士——(資料科學家)
為在 2022-23 學年在 Kirti College 部分完成 B.sc CS 學位而提交的項目
一種使用自然語言處理從履歷中解析資訊並尋找關鍵字、根據關鍵字將它們聚集到各個部分的工具。 最後根據關鍵字配對向申請人/招募人員顯示推薦、預測和分析。
我。它可用於將所有簡歷資料轉換為結構化表格格式和 csv,以便組織可以將這些資料用於分析目的
二.透過提供建議、預測和整體分數,使用者可以改進他們的履歷,並可以繼續在我們的工具上進行測試
三.由於用戶部分,它可以增加我們工具的更多流量
四.大學可以使用它在安置前了解學生及其簡歷
v. 另外,取得使用者最尋找的角色的分析
六.透過獲取回饋來改進此工具
流線型
超文本標記語言
CSS
JavaScript
流線型
Python
MySQL
貓熊
派雷斯帕瑟
pdfminer3
陰謀
NLTK
取得位置和其他數據
使用解析技術來獲取
基本訊息
技能
關鍵字
使用邏輯程序,它會推薦
可添加的技能
預測的工作角色
課程和證書
履歷技巧和想法
總分
面試和簡歷技巧視頻
將所有申請人的資料轉換為表格格式
將使用者資料下載到csv檔案中
在「上傳的簡歷」資料夾中查看所有已儲存的上傳 pdf
獲取用戶回饋和評分
圓餅圖:-
評級
預測領域/角色
經驗等級
簡歷分數
使用者數
城市
狀態
國家
表格填寫
評分為 1 – 5
顯示總體評分圓餅圖
過去的用戶評論歷史
Python (3.9.12) https://www.python.org/downloads/release/python-3912/
MySQL https://www.mysql.com/downloads/
Visual Studio Code (首選程式碼編輯器) https://code.visualstudio.com/Download
適用於 C++ 的 Visual Studio 建置工具 https://aka.ms/vs/17/release/vs_BuildTools.exe
若要執行此項目,請執行以下任務 ?
手動或透過git下載程式碼文件
git 克隆 https://github.com/deepakpadhi986/AI-Resume-Analyzer.git
創建虛擬環境並啟動(建議)
開啟命令提示字元並將專案目錄變更為AI-Resume-Analyzer
並執行以下命令
python -m venv venvappcd venvapp/腳本 啟用設定
從App
資料夾內的requirements.txt
下載包
cd../..cd 應用程式 pip install -r 要求.txt python -m spacy 下載 en_core_web_sm
安裝完成後建立資料庫cv
並在App.py
中更改使用者憑證
AI-Resume-Analyzer/App/App.py
17e1cdb 中的第 95 行
連接= pymysql 。連線(主機= 'localhost' ,使用者= 'root' ,密碼= 'root@MySQL4admin' , db = 'cv' ) |
到venvappLibsite-packagespyresparser
資料夾
並將resume_parser.py
替換為resume_parser.py
這是我在pyresparser
資料夾中提供的
Congratulations ?? your set-up ? and installation is finished ??
我希望你的venvapp
已啟動並且工作目錄位於App
內
使用以下命令運行App.py
文件
Streamlit運行App.py
如果發生GeocoderUnavailable
錯誤,只需檢查您的網路連線和網路速度
檢查安裝視頻
隨意發送郵件
設定完成後,它會自動執行一些操作
您只需上傳履歷即可體驗它的魔力
首先嘗試將我的履歷上傳到Uploaded_Resumes
資料夾中
管理者使用者 ID 為admin
,密碼為admin@resume-analyzer
預測使用者體驗水準。
新增技能和項目的履歷評分標準。
新增了針對 Web、Android、iOS、資料科學的欄位和建議。
分別為其他角色添加更多欄位及其建議。
從用戶簡歷中獲取更多詳細資訊。
查看個人用戶詳細資訊。
歡迎請求請求。
對於重大更改,請先開啟一個問題來討論您想要更改的內容。
我附上了該項目的概要
如果您想要專案的完整報告,請發送電子郵件給我, it's FREE
Bright 博士 -(全端資料科學家訓練營)
具有自然語言處理功能的簡歷解析器
派雷斯帕瑟
主螢幕
履歷分析
技能推薦
課程推薦
提示和總分
影片推薦
回饋表
整體評級分析與評論歷史
登入
用戶數及其數據
匯出的 csv 文件
回饋數據
簇的餅圖分析表示