Annonce en lien avec l’Action/le Réseau : aucun
Laboratoire/Entreprise : Laboratoire MICS, CentraleSupélec
Durée : 12 – 36 mois
Contact : gautier.viaud@centralesupelec.fr
Date limite de publication : 2020-06-30
Contexte :
Comme dans de nombreux autres domaines et secteurs d’activité, l’intelligence artificielle, ses avancées et ses possibilités, ainsi que la masse et la richesse des données relatives à l’emploi disponibles, ouvrent de nombreuses perspectives pour l’amélioration des démarches de recrutement et les ressources humaines, que ce soit du point de vue du recruteur ou de celui du candidat. Randstad et CentraleSupélec s’associent, au travers d’une chaire, pour développer de nouvelles méthodes et de nouveaux services innovants pour un recrutement plus humain, plus personnalisé et garantissant plus de diversité.
Différents types de données sont disponibles pour accomplir ces différentes tâches, notamment :
– des CV de candidats (plusieurs dizaines de milliers) au format PDF et avec une version OCRisée,
– des informations sur le profil des candidats (qualification, compétences, etc.),
– des offres d’emploi (plusieurs millions) contenant des descriptions textuelles détaillées mais non structurées,
– divers référentiels relatifs au monde du recrutement.
Sujet :
L’objectif du post-doc est de proposer de nouvelles approches robustes et interprétables pour l’analyse et l’extraction d’information et de connaissances dans des documents (majoritairement textuels) en s’appuyant sur les avancées récentes en apprentissage de représentations par modèles profonds et en modélisation et représentation des connaissances.
Les problématiques considérées sont variées et peuvent comprendre :
– l’alignement de différents référentiels à partir de données (exemple : comment réconcilier 2 référentiels métiers différents),
– la génération de référentiels à partir des données,
– le parsing de CV et l’extraction d’informations telles que les expériences, les diplômes, les compétences, etc.,
– le parsing d’offres d’emploi et l’extraction d’informations telles que les missions, compétences requises, etc.,
– le matching explicable de profils de candidats et d’offres d’emploi :
– pour une offre d’emploi, caractériser les candidats les plus adéquats,
– inversement, pour un candidat, suggérer les offres d’emploi les plus intéressantes pour lui.
Une attention particulière devra être portée à l’explicabilité ainsi qu’à l’équité des résultats obtenus (notamment afin d’éviter tout biais indésirable).
Profil du candidat :
– Doctorat en Statistiques / Apprentissage Automatique / Intelligence Artificielle
– Excellent dossier de recherche
– Intérêt pour les problématiques de recrutement
– Très bonne maîtrise du français et de l’anglais
Formation et compétences requises :
– Apprentissage automatique et profond
– Apprentissage de représentations
– Traitement du langage naturel
– Modèles de langage
– Explicabilité
– Équité
– Clustering
Adresse d’emploi :
Laboratoire MICS, CentraleSupélec, Université Paris Saclay
3 Rue Joliot Curie, 91190 Gif-sur-Yvette