¿Cómo sería un motor de recomendación de carrera?

El problema con la aplicación de cualquier proceso de aprendizaje a este dominio es que hay muy pocos puntos de datos disponibles. Incluso ampliando la noción a solo “trabajos”, cada persona tiene uno cada varios años, y los ejemplos tienden a no ser ni muy positivos ni negativos: una carrera probablemente esté más llena de trabajos que no fueron ni horribles (o ¿por qué alguna vez lo harías? ¿Lo has intentado?) ni fantástico (no dejas esos trabajos).

En comparación con otras técnicas de aprendizaje, los recomendadores pueden ser especialmente buenos para la “casualidad” o para encontrar las sugerencias menos obvias. Ahora, eso puede ser algo bueno, aunque me pregunto si la gente realmente quiere sugerencias extravagantes para un trabajo.

Finalmente, los recomendadores en particular son buenos cuando hay un gran universo de posibilidades para elegir. Por ejemplo, hay un millón de canciones que podría escuchar a continuación, y cualquiera en cualquier lugar puede consumir una canción. En contraste, las posibilidades de trabajo son mucho más limitadas. Es poco probable que pueda considerar un trabajo en un país diferente o fuera de mi experiencia. El universo de posibilidades es pequeño; los recomendadores no son tan útiles y las técnicas más simples o diferentes pueden ser mejores. Esto suena como un problema de búsqueda y filtrado para comenzar.

Por supuesto, tengo el sentido de la pregunta, que seguramente podemos aprender algo de algunos datos relacionados con carreras profesionales. Creo que la clave del problema es elegir la entrada correcta. Probablemente necesite que mucha gente responda muchas preguntas sobre trabajos. O mírelos hacer clic y aplicar a los listados de trabajo. Ese es el tipo de datos más ricos que podrían hacer posible un sistema de aprendizaje útil.

Por ejemplo, Career Builder recientemente realizó una competencia en Kaggle para crear un mejor recomendador de trabajo (Desafío de recomendación de trabajo), pero este fue realmente un recomendante de listado de trabajo . Ligeramente diferente a la carrera, pero esa entrada / salida era una buena opción para un recomendante.

El espíritu de lo que estás buscando me recuerda a BraveNewTalent, la comunidad con talento. Puede echar un vistazo para ver si es lo que tiene en mente. No lo llamaría un motor de recomendación, aunque intentan recomendar personas, ideas, etc. que sean útiles para el problema general del desarrollo profesional.

Solo para dar un poco de perspectiva sobre mis antecedentes, fundé una startup, http://www.predikt.co , que creó algoritmos de inteligencia artificial para predecir los candidatos correctos para un trabajo.

Como señaló acertadamente Sean, esto no es exactamente un problema de recomendación, diría que es más un problema de predicción y ciertamente un problema difícil de resolver. Usando un enfoque de predicción puede obtener mucha más granularidad y capturar detalles más finos.

Vamos a dividir su pregunta en dos partes:
1. Predecir una carrera
2. Predecir los pasos para llegar

1. Predecir una carrera:
Comenzaré enumerando primero los problemas asociados con los datos. Para simplificar, consideremos la historia profesional, la educación y los proyectos como parámetros decisivos. Suena bastante simple ¿verdad? No. Hay muchos problemas con los datos, ya que los títulos de trabajo tienen múltiples variaciones y hay muchos títulos de trabajo finitos pero similares, problemas similares con los títulos de educación, etc., ya que no hay un vocabulario estandarizado para estas cosas. Por ejemplo, los gerentes de producto se conocen como gerentes de programa en Microsoft.
Hay un montón de patrones de carrera que conducen a una determinada carrera, algunos pueden ser delgados, otros pueden ser fuertes, lo que efectivamente introduce mucho ruido.
Si tenemos que predecir una carrera, esto se convierte esencialmente en un problema de predicción multiclase porque tienes que determinar de más de 1000 posibilidades qué carrera es la más adecuada. Ahora, si tiene que determinar qué tan buena es la carrera para alguien, simplemente no puede ser una clasificación binaria, necesita valores junto con la clase. Esto realmente no te deja con muchas opciones. Puede entrenar múltiples modelos ML tradicionales para obtener resultados O construir una Red neuronal para darle predicciones múltiples junto con valores.

2. Predecir los pasos para llegar allí.
Esta es realmente una pregunta difícil. Si se predice una carrera, entonces se basaría en los pasos que ya ha dado, por lo que no es necesario predecirla. Pero, si está interesado en carreras que podría lograr después de tomar ciertos pasos, necesitaríamos nuestro modelo para predecir una carrera con 2 pasos de anticipación y enlistarlos. Otra solución para esto sería tomar carreras predichas con puntajes bajos y obtener datos estadísticos sobre cómo mejorar el puntaje o mejores posibilidades de obtener un determinado rol con éxito.
Pensando en ello de otra manera, podría ser posible ingresar a la carrera deseada y predecir los posibles pasos para llegar allí.

Todo esto no es trivial, y si considera más factores, se vuelve aún más complejo. Pero definitivamente es un problema que vale la pena resolver.

Deberíamos revisar Los Sims en esto. Aunque puede sonar como una broma, pero lo que ya está hecho es un buen ejemplo (aunque súper simplificado) de conexión de trabajos con habilidades y rasgos. Entonces, básicamente, una lista de rasgos y habilidades debe mapearse a las carreras de la misma manera.

Obviamente, en la vida real, lo más difícil es llegar a una buena lista de habilidades, rasgos y preferencias para una persona, y tener en cuenta cómo todos ellos aumentarán en la vida.

Career Path básicamente gira en torno a tus fortalezas. Creo en una ideología simple. Una persona es buena en algo porque le gusta. No puedo ser bueno en matemáticas y lo odio. Entonces, crear una carrera profesional en torno a tus gustos y fortalezas es la forma más fácil de desarrollar una carrera profesional.

Muchos estudiantes graduados se unen a compañías de las que siempre han oído hablar, pero no están seguros de qué esperar cuando realmente se unen. Esto los lleva a tener esperanzas entre compañías. perfiles cambiantes y un currículum débil con poca experiencia en múltiples campos.

El mejor momento para decidir a qué carrera ir es cuando estás en los últimos años de la universidad. Una de las herramientas más utilizadas para esto es la Evaluación para la empleabilidad de graduados (AGE). Utiliza pruebas multidimensionales para asignar personas a carreras y también proporciona recomendaciones de trabajo después de la asignación.

Solo se restringió a las instalaciones de Colegios y Capacitación anteriormente, pero recientemente lanzó un portal de usuario final donde cualquier estudiante de Ingeniería y MBA puede iniciar sesión y dar una evaluación y comenzar a recibir recomendaciones de trabajo. Pruébalo @SKILLWILL

Este es un proceso profundamente desafiante. Primero tenemos que comenzar con una teoría general sobre cómo funciona la satisfacción / ajuste / éxito / desempeño laboral. Es diferente en cada nivel: persona a industria, persona a empresa, persona a rol, persona a gerente, persona a compañero de trabajo. Cada empresa tiene su propia cultura, métricas para el éxito, etc. Existen diferentes mercados para casi cada nivel de esta pregunta. Se realiza un poco de trabajo en el campo de la persona a la función (ver EmployInsight, por ejemplo; un gran fondo de cobertura también tiene herramientas internas sofisticadas para comprender a los empleados). Potencialmente, se puede crear mucho valor en la persona que desempeña funciones y en la persona a nivel de empresa.

Independientemente de nuestro objetivo, ya sea ayudar a las personas a encontrar un papel que nunca imaginaron o ayudar a que los ingenieros coincidan con la cultura de la empresa adecuada, también necesitaríamos una gran cantidad de datos para que cualquiera de estos funcione (como mencionó Sean). Usted menciona muchas fuentes de datos, pero no está claro si estos datos existen e incluso si son predictivos (y, por supuesto, necesitamos saber para qué métricas estamos optimizando).

Quizás esta pregunta podría abordarse mejor si nos centramos en un nivel particular de recomendación. Estaré encantado de abordar esto con más detalle.

Bueno, la personalidad juega un papel importante al decidir una carrera o trabajo. Una persona tiene que ser extrovertida para convertirse en líder. La capacidad de pensamiento y lógica es
requerido para que una persona sea un ingeniero de software exitoso. y muchos más. Por lo tanto, para recomendar una carrera, la personalidad juega un papel importante junto con la calificación educativa, el interés y la inteligencia.
referir: