Dezvoltarea unui sistem de recrutare cu instrumente și tehnologii Data Science

Abstract

Teza de master analizează problematica modernizării proceselor de recrutare prin integrarea tehnologiilor și metodelor avansate din domeniul științei datelor. În contextul unei piețe a muncii aflate într-o continuă transformare, unde volumul de aplicații este în creștere, iar selecția candidaților devine tot mai complexă, utilizarea algoritmilor de clasificare, modelelor NLP și rețelelor neuronale reprezintă o soluție inovatoare și eficientă. Scopul principal al tezei constă în proiectarea și dezvoltarea unui sistem inteligent de recrutare, care să automatizeze evaluarea candidaților pe baza scorurilor obținute din CV, testele de personalitate și analiza semantică a descrierilor de job. Sunt explorate atât algoritmi clasici de machine learning (SVM, XGBoost, KNN, CART), cât și modele avansate de învățare profundă (LSTM, BERT, RoBERTa), pentru a identifica combinația optimă în procesul de decizie. Sistemul propus integrează componente de preprocesare automată, vectorizare a textului și generare de scoruri multiple, care sunt apoi utilizate în clasificarea și recomandarea candidaților potriviți. Structura tezei este organizată în trei capitole. Primul capitol abordează fundamentele teoretice ale recrutării automatizate și importanța inteligenței artificiale în acest proces. Capitolul al doilea prezintă metodologia de cercetare, selecția datelor, procesul de prelucrare și criteriile de evaluare a candidaților, inclusiv metrici statistice (precizie, acuratețe, F1-score, AUC-ROC). Capitolul al treilea se concentrează pe descrierea tehnică a aplicației web dezvoltate, arhitectura sistemului, validarea modelelor și interpretarea rezultatelor obținute în urma testărilor experimentale. Rezultatele obținute confirmă eficiența integrării științei datelor în recrutare, evidențiind că sistemele de clasificare automată pot reduce semnificativ timpul, costurile și biasul decizional în selecția candidaților. Lucrarea are o aplicabilitate practică ridicată, oferind premise solide pentru integrarea sistemului propus în platforme reale de recrutare, atât în mediul corporativ, cât și în cadrul instituțiilor care doresc să optimizeze procesele de resurse umane prin tehnologii de inteligență artificială.

This thesis explores the modernization of recruitment processes through the integration of advanced technologies and Data Science methods. In a labor market undergoing constant transformation, where the volume of job applications is rapidly increasing and candidate selection is becoming more complex, the use of classification algorithms, NLP models, and neural networks offers an innovative and efficient solution. The main objective of the research is to design and develop an intelligent recruitment system capable of automating candidate evaluation based on CV scores, personality tests, and semantic analysis of job descriptions. The study investigates both classical machine learning algorithms (SVM, XGBoost, KNN, CART) and advanced deep learning models (LSTM, BERT, RoBERTa) to identify the optimal decision-making approach. The proposed system includes modules for automatic data preprocessing, text vectorization, multi-criteria scoring, and final candidate recommendation. The structure of the thesis is divided into three chapters. The first chapter presents the theoretical foundations of automated recruitment and the role of artificial intelligence in this field. The second chapter outlines the research methodology, including data collection, preprocessing techniques, and candidate evaluation metrics such as precision, accuracy, F1-score, and AUC-ROC. The third chapter provides a technical description of the developed web application, the system’s architecture, model validation, and an interpretation of the experimental results. The obtained results confirm the effectiveness of integrating Data Science into recruitment, showing that automated classification systems can significantly reduce time, cost, and decision bias in candidate selection. The work has high practical applicability and offers strong potential for real-world integration in recruitment platforms, both in corporate environments and in public institutions aiming to optimize HR processes using AI technologies.