Введение. 
Разработка системы автоматизированного создания резюме

В настоящее время студенты после окончания вуза часто испытывают сложности при устройстве на работу. Трудности возникают как у выпускников, не имеющих опыта работы, которого так требуют все работодатели, так и у самих работодателей, которые не могут подобрать необходимых молодых специалистов. Как таковых, практических навыков и опыта сразу после выпуска из учебного заведения у студентов нет. Но все же, к концу обучения у выпускников уже есть определенные наработанные навыки, полученные в ходе курсовых работ, практик, дипломной работы и т. д. В чем-то студент может преуспевать лучше, в чем-то хуже, т. е. иметь склонности к определенным направлениям деятельности. При этом работодателю порой сложно оценить навыки студента, основываясь только на дипломе и оценках по дисциплинам, так как это не отражает реальных умений студента-выпускника, показывает общую компетентность по предмету, но не дает понять, чему конкретно научился студент после прослушивания этого курса и как он может это применить, решая определенные задачи. При этом оценки являются достаточно субъективным критерием уровня знаний. Они показывают в основном качественные параметры участия в определенных проектах и выполненных обязанностей, в то время как о количественных характеристиках ничего неизвестно — что и в каком объеме конкретно студент выполнил в проекте.

Существует устоявшаяся форма выражения умений специалиста в виде резюме. В нем, как правило, описывают основные навыки человека. Но студенты затрудняются в его написании по причине недостатка опыта. Затруднение вызывает собственно выбор профессии и конкретного направления в работе.

Отсюда возникает необходимость рекомендаций студенту относительно резюме, которое он бы мог предоставить работодателю, при этом, еще не имея реального опыта работы в компании, где он бы смог получить заветную строчку в резюме[1].

Для создания резюме нужно опираться на некоторый набор сведений, полученных о студенте в процессе обучения.

В связи с появлением новых методов в образовании, в частности онлайн-обучения, происходит накопление данных, из которых можно извлекать полезную информацию, анализируя их.

Это послужило причиной появления такого относительно молодого течения в дисциплине анализа данных как Educational Data Mining (EDM).

EDM стал бурно развиваться с 2005 года. Этому послужили: во-первых, значимость темы образования, которая актуальна среди всех стран и культур наравне с медициной и здравоохранением, во-вторых, тот факт, что эффективное исследование в образовании теперь не требует квалифицированных сотрудников и офисов, заполненных бумагами. Существуют различные ресурсы с открытыми наборами данных, поэтому присоединиться и начать исследования может каждый.

Основная цель EDM — использование большого количества данных, полученных в образовательном процессе. Наборы данных служат для лучшего понимания и представления информации о процессе обучения. EDM использует в основном данные студентов, оставленные ими в ходе их обучения по курсу. Для исследований могут использоваться различные накопленные данные, такие как: обучающие ресурсы, дискуссионные форумы, электронные журналы оценок, стандартизированные тесты, учебные материалы.

Помимо самих данных, необходимо найти, адаптировать и определить механизмы применения для анализа этих данных.

C ростом требований к отчетности и стандартизации различных тестов возросло и использование различных систем в обучении, а в связи с этим появилось большое количество электронных баз данных активности студентов. Поэтому возникает необходимость в создании вычислительных и статистических фреймворков и других техник для вычленения из этих данных полезной информации[2].

Задачами данной работы являются:

• ? выявление данных, которые будут использоваться для обработки системой;
• ? разработка алгоритмов обработки данных;
• ? разработка интерфейса пользователем, конечным результатом взаимодействия с которым является сгенерированное резюме.

Цель работы — разработать систему автоматизированного создания резюме в соответствии с выбранными алгоритмами и использующую реальные данные.

Работа состоит из обзорно-аналитической части, где проводится исследование аналогов, наработок в данной области, подходов, применяемых при решении такого рода задач. В качестве источников информации для данного исследования выступают и выдержки из статей и аннотации выступлений с конференций по EDM, книги по анализу данных, работы, описывающие подходы к созданию резюме.

Глава, следующая за обзорно-аналитической часть работы — разработка, где описаны алгоритмы, применяемые в системе, описание логики работы программы и детали реализации.

Третья часть дипломной работы — тестирование. В этой главе описываются выбранные методики для проведения функционального и нагрузочного тестирования. Описан подход, использованный для проверки системы при работе с реальными данными и модель, которая была использована при тестировании работы системы с этими данными. Приведены значения всех входных наборов данных, использованных в тестах и соответствующие им полученные результаты.