Využití velkých jazykových modelů v procesech náboru zaměstnanců
Autor(ka) práce:
Husein, Filip
Typ práce:
Diplomová práce
Vedoucí práce:
Zelenka, Martin
Oponenti práce:
Umlauf, Miroslav
Jazyk práce:
Česky
Abstrakt:
Diplomová práce navrhuje a realizuje AI Matching Assistant, proof of concept systému typu chatbot/agent, kterého používá zaměstnanec uvažující o interní mobilitě, aby získal shortlist 3 až 5 nejrelevantnějších otevřených pozic ve velké české bance. Motivací je rozsah agendy interní mobility, která ve zkoumané organizaci spotřebovává významnou část kapacity nejen personálního oddělení, ale také managementu a samotných zaměstnanců v řádu desítek tisíc hodin ročně. Práce dodává jazykový model a funkční demo. Produkční implementace ani integrace do interních systémů banky nejsou jejím předmětem. Práce kombinuje doladění otevřeného encoder modelu JobBERT-V3 pro česko-slovenský jazykový prostor s architekturou Retrieval-Augmented Generation a vektorovou databází. Na evaluačním datasetu výsledný trilingvní model překonává base model ve všech sledovaných jazycích. Vyhodnocení se omezuje na uvedené offline metriky kvality vyhledávání.
Klíčová slova:
interní mobilita; fine-tunning; AI Matching; HR; sentence embedding; RAG; JobBERT
Název práce:
Large Language Models in Employee Recruitment Processes
Autor(ka) práce:
Husein, Filip
Typ práce:
Diploma thesis
Vedoucí práce:
Zelenka, Martin
Oponenti práce:
Umlauf, Miroslav
Jazyk práce:
Česky
Abstrakt:
This diploma thesis designs and builds an AI Matching Assistant, a proof of concept of a chatbot/agent system used directly by an employee considering internal mobility to obtain a shortlist of 3 to 5 most relevant open positions at a large Czech bank. The motivation is the scale of the internal-mobility agenda, which at the studied organization consumes a substantial share of the HR department's, management’s and individual employees’ capacity, on the order of tens of thousands of hours per year. The work delivers a language model and a working demo. Production implementation and integration into the bank's internal systems are out of scope. The thesis combines fine-tuning of an open-source encoder model JobBERT-V3 for the Czech-Slovak language space with a Retrieval-Augmented Generation architecture and a vector database. On an evaluation dataset, the resulting trilingual model outperforms the base model across all tested languages. Evaluation is limited to these offline retrieval-quality metrics.
Klíčová slova:
AI Matching; sentence-embedding; HR; Internal mobility; RAG; JobBERT; fine-tunning
Informace o studiu
Studijní program / obor:
Aplikovaná datová analytika a umělá inteligence/Datová analytika v marketingu a e-commerce