Data Mining. Нейронечёткие модули

Оглавление:

 

Часть I

 

Data Fusion………………………………………………….….…..3

 

Часть II

 

Нейронечёткие модули……………………………….…………17

 

Часть III

 

 

Эксперимент………………………….………………………….28

 

Заключение………………………………….………………………….37

 

Список литературы…………………………………………………….38

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Введение.

 

Сегодня консультанты имеют в распоряжении много различных инструментов, каждый из которых создаёт представление, присущее отдельному кандидату. Эти представления включают резюме, данныйоб опытеработы, и, соответственно, ряд от статики до динамики и от одномерных до трёхмерных наборов данных. Пока одиночные представления иногда достаточны для проверки кандидата (например, использование тестов достаточно для определения минимальных знаний), много условий требуют множественных видов, чтобы позволить рекрутеру уверенно сказать подходит кандидат клиенту или не (например, западный стиль ведения бизнеса отличается от Российского, и иногда кандидатам тяжело адаптироваться, а компания не будет рада такому сотруднику).

До настоящего времени нагрузка от приведения всей этой информации к единообразию, непротиворечивый вид, возлагалась на способность рекрутеров создавать образы в уме. С помощью только минимальных знаний о предметной области, возможно, консультанты нуждались в постановке «диагноза». Пока это применимо для обозримого будущего, консультанты будут продолжать брать на себя наибольшую ответственность, это цель данного изучения – разработать компьютеризированные инструменты, которые облегчат умственную нагрузку, увеличат вероятность правильного принятия решения, снизят риск ошибки и выведут индивидуальную эффективную стратегию подбора.

 

Часть I.

 

Рекрутинг

Подбор персонала или  рекрутинг — это бизнес-процесс, являющийся одной из основных обязанностей HR-менеджеров или рекрутеров. Также подбор персонала — основная услуга, предлагаемая кадровыми агентствами и специализированными интернет-сайтами по поиску персонала.

Правильный выбор кандидата  может помочь в увеличении производительности, прибыли и повышении лояльности сотрудников. Неправильный выбор обычно сказывается на большой текучке персонала или недостаточной компетенции сотрудников.

Подбор персонала начинается с описания вакансии и анализа  её на адекватность сложившейся ситуации на кадровом рынке и в компании-работодателе. При необходимости описание вакансии корректируется. Далее начинается этап поиска кандидатов. Желательно иметь начальную базу кандидатов, а в процессе работы постоянно её пополнять.

Выделяют следующие  методы поиска нового сотрудника[1]:

поиск среди родственников и знакомых или по рекомендациям близких людей;

привлечение сотрудников  из других организаций, «переманивание»  персонала;

поиск через печатные средства массовой информации и Интернет-сайты;

привлечение выпускников  вузов или студентов старших  курсов;

обращение в рекрутинговые организации (кадровые или консалтинговые агентства).

Затем кандидаты выбранного пула обзваниваются, уточняются некоторые  детали резюме и назначается собеседование. Далее технологии различны. Многие ограничиваются собеседованием и по его результатам отбирают кандидата. Иногда необходима более серьёзная методология оценки: тесты, деловые игры, ассессмент-центр и другие.

Данное направление  бизнеса относительно недавнее на российском рынке. Традиционные формы найма  сотрудников, принятые в советское время, после внедрения рыночных форм экономики претерпели многие изменения или приобрели новые, ранее неизвестные формы. Например, распределение как форма трудоустройства молодых специалистов практически сошла на «нет», сейчас существует в крайне малом количестве вузов, в большинстве своём выпускающих военных специалистов. Объявления на проходных и в газетах также не в состоянии охватить все потребности в сотрудниках компаний и предприятий в крупных мегаполисах. Появилась такая форма провайдерских услуг, как кадровые или рекрутинговые агентства.

Практически каждое кадровое агентство ставит во главу угла клиентоориентированность как одну из своих главных задач. «Обеспечить своих клиентов максимально  возможным количеством квалифицированных  сотрудников» — такой лозунг декларируется практически всеми КА. Для достижения данной цели происходит уже специализация по уровню подбора сотрудников, специализация на конкретных направлениях бизнеса и форме работы. В зависимости от этих факторов и формируется модель ведения бизнеса в данной сфере. Если очень схематично представить себе основные варианты построение рекрутингового бизнеса, то выделяются следующие направления:

Массовый рекрутинг. Применяется  для подбора большого количества сотрудников. В основном это специалисты линейного уровня, с достаточно чётко очерченными профессиональными навыками и опытом. Оплата за подбор такого рода специалистов низка по отношению к остальным видам рекрутинга. Упор делается именно на количественный показатель трудоустроенных людей. Себестоимость успешного подбора каждого сотрудника может быть высокой. Средняя оплата агентству составляет 1,2-1,5 оклада специалиста. Основной минус для агентства в опасности большого количества замен.

Executive search (поиск редких  специалистов и/или управленцев среднего звена) — это самая дорогая и самая эффективная технология применяемая агентствами. При работе по такой технологии предоплата в размере 30 % от суммы контракта обязательна. При работе в этом направлении упор делается в большей степени на специализацию по определённому сегменту рынка или бизнеса. КА с чёткой отраслевой специализацией имеют достаточно обширные связи в «профильных кругах» специалистов, могут в любое время дать аналитическую справку по различным профессиям и условиям работы. Средняя оплата агентств составляет 1,8—2,5 оклада специалиста. Основной минус таких агентств в том, что они полностью зависят от состояния отрасли, на которой они специализируются.

HeadHunting — это переманивание  конкретного специалиста (руководителя) из одной компании в другую компанию по заданию компании Заказчика. Услуга HeadHunting — одна из самых недорогих услуг специализированных агентств. Стоимость обычно не более 10 % от годового дохода кандидата. Низкая стоимость этой услуги связана прежде всего с тем, что ПОИСК специалиста проводить не надо, Заказчик сделал уже свой выбор, поэтому гарантийный срок в случае увольнения этого сотрудника не предусмотрен.

Данная классификация  имеет схематический характер и  необходима в большей степени  для рассмотрения работы рекрутера в её разрезе, чем для качественной оценки тех или иных направлений бизнеса КА. Также необходимо добавить, что компаний, исповедующих только одно из приведённых направлений либо нет вообще, либо очень мало. Как правило, в рамках одного КА совмещены несколько направлений.

Рекрутинг по рекомендациям (англ. referral recruitment) —- процесс поиска персонала, в котором вакансии закрываются  по рекомендациям. Сторонники рекрутинга по рекомендациям утверждают, что  при рекрутинге по рекомендациям  удобно навести справки о кандидате у рекомендателя, а также рекомендованные кандидаты лучше вписываются в компанию.

Обычно в качестве мотивации компании предлагают рекомендателям вознаграждение за успешное закрытие вакансии (денежные выплаты, подарки  и т. д.).

Основная привлекательность  рекрутинга по рекомендациям в том, что данная технология позволяет  «достучаться» до пассивных кандидатов, которые не находятся в активном поиске работы, но чаще всего являются самыми ценными кадрами для компаний.

Также у компаний появляется возможность более личностного поиска кандидатов, так как помимо официального, сухого резюме, они получают «живую» рекомендацию от знакомого потенциального кандидата.

Рекрутинг по рекомендациям  внутри компании. В последнее время  в России стала появляться практика рекрутинга по рекомендациям внутри компании. Сотрудники компании получают список вакансий компании, и в случае если кто-то из сотрудников «закрывает» позицию своим кандидатом, рекомендатель получает вознаграждение или поощрение в какой-либо другой форме (оплачиваемый отдых, ценный подарок и т. п.)

Рекрутинг по рекомендациям  вне компании. Независимые системы  платных рекомендателей (обычно в  виде Интернет-систем) работают как  обычные рекрутинговые сайты, но с возможностью рекомендовать кандидатов на вакансии за конкретное вознаграждение.

Рекрутеры взимают плату  за свои услуги в виде доли от годового дохода предлагаемого специалиста. В различных сферах, эта доля может  составлять от 7 до 20 % и оплата производится в течение 3-30 дней со дня выхода специалиста на новое место работы.

Некоторые агентства  предпочитают работать с клиентами  на основе предоплаты в размере от 30 до 50 % стоимости услуги, при этом рекрутинговое агентство обязуется  найти бесплатно замену специалисту-соискателю, который не подошел работодателю по каким-либо причинам или сам отказался от трудоустройства. Рекрутинговое агентство, также, может предложить клиенту вернуть предоплаченную сумму в размере от 40 до 60 %

 

Слияние данных – это  процесс, имеющий дело с объединениями, взаимосвязями (корреляциями) и комбинациями данных и информации от одиночных и составных источников, чтобы достигнуть:

• улучшенного состояния и точность предположения для наблюдаемых объектов;
• полной и своевременной оценки ситуации,  опасностей и их значение.

 

Процесс, характеризующийся  непрерывным улучшением (очисткой, усовершенствованием) его предположений  и оценок  с помощью определения  нужных дополнительных источников или  модификацией процессом самого себя, чтобы достигнуть улучшенных результатов.

Постановка задач и целей

Data fusion – это процесс  объединения данных и знаний  из разных источников с целью  максимизации полезности содержащейся  информации. Это улучшает надёжность  или дискриминантную возможность  распознавания наряду с предложением  возможности минимизации хранения данных.

 

Многие исследования были направлены на специальные методы, применяющиеся к особым проблемам или особым аспектам архитектуры. Примеры включают в себя расширенная Калмановская фильтрация, принцип приближения, декомпозиция волн, искусственные нейронные сети и нечёткая логика. Архитектурные решения имеют дело с проблемой множественных сенсоров в похожих или непохожих областях.

 

Цель данного исследования – разработка инструмента прогнозирования подбора персонала и оптимизации самого подбора в целом.

 

Описание исследования.

1. Прогнозирование типа кандидатов для оптимальной нагрузки на каждый бизнес юнит

 

2. Оптимизация подбора персонала при помощи нейронечеткой логики

 

3. База данных кандидатов и выбранная система оптимизации и прогнозирования как составная часть предложенного усовершенствования.

 

Задачи.

 

 

Часть II.

 

Нейронечёткие модули.

 

 

Нечётким множеством A в некотором (непустом) пространстве X, что обозначается как , называется множество пар

 

,

 

где    -  функция принадлежности нечёткого множества A. Эта функция приписывает каждому элементу степень его принадлежности к нечёткому множеству A, при этом можно выделить 3 случая:

1.    означает полную принадлежность элемента x к нечёткому множеству A, т.е. ;

2.    означает отсутствие принадлежности элемента x к нечёткому множеству A, т.е. ;

3.     означает частичную принадлежность элемента x к нечёткому множеству A.

 

Модули нейро-нечёткого  управления.

 

Важнейшим достоинством нейронных сетей считается возможность их обучения и адаптации. Нам не требуются полезные знания об объекте управления (например, его математическая модель). На основе входных и заданных (эталонных) сигналов нейронная сеть может научиться управлять объектом. Нейронные сети состоят из огромного количества взаимосвязанных простых обрабатывающих элементов (нейронов), что в результате даёт громадную вычислительную мощность при использовании параллельной обработки информации. К сожалению, способ проектирования таких систем основывается скорее на интуиции, чем на существующих закономерностях. До настоящего времени неизвестен алгоритм расчёта количества слоёв сети и количества нейронов в каждом слое для конкретных приложений. Тем не менее, по завершении обучения нейронные сети становятся незаменимыми средствами решения задач распознавания образов, аппроксимации, оптимизации, векторного квантования либо классификации. С другой стороны, накопленные нейронной сетью знания, оказываются распределёнными между всеми её элементами, что делает их практически недоступными для наблюдателя.

Этого недостатка лишены системы управления с нечёткой логикой. Однако в данном случае знания о способе управления необходимы уже на стадии проектирования управляющих модулей, причём они должны исходить от экспертов и, следовательно, возможность обучения отсутствует. Однако и в такой ситуации полные знания (описывающие в математическом виде функциональную зависимость между входами и выходами системы) не требуются. В отличие от обычных модулей управления, используются не количественные («сколько?»), а качественные («как?») знания. Система принимает решение на основе правил, записанных в форме импликации IF-THEN. Простейший подход к проектированию таких систем заключается в формулировании правил управления и функции принадлежности по результатам наблюдения за процессом управления, осуществляемым человеком либо уже существующим регулятором, с последующим оцениванием корректности функционирования такой системы. Если проект оказывается неудачным, то функцию принадлежности и/или правила управления можно легко модифицировать. Как уже отмечалось, основной недостаток подобных систем – это невозможность адаптации и обучения.