Conception d'un systeme intelligent d'analyse de cv base sur le traitement du langage naturel (NLP) pour une evaluation optimisee des candidatures: application au departement des ressources humaines

• INTRODUCTION
  
• CHAPITRE 1 : Revue de la littérature
  
  • I.1 Revue des systèmes
    
  • I.1.1 L'intelligence artificielle au coeur du processus de recrutement E Recrutement 4.0 au Maroc : Etat des lieux et perspectives [1].
    
  • I.1.2 Diplôme : Master en gestion des ressources humaines, à finalité spécialisée en "politique et management RH" [2].
    
  • I.1.3 Un système intelligent pour l'optimisation du processus de e-recrutement [3]
    
  • 1.1.4 Intelligence artificielle appliquée au processus de recrutement - Les perceptions des recruteurs [4]
    
  • I.1.5 Mise en correspondance entre les CV et les offres d'emploi en utilisant le Deep Learning [5]
    
  • 2.1 Introduction
    
  • 2.2 Présentation des méthodologies de développement logiciel (SDLC)
    
  • 1. Le modèle en cascade (Waterfall)
    
  • 2. Le modèle en spirale
    
  • 3. Le modèle en V (ou modèle de validation et de vérification)
    
  • 4. Le modèle Agile
    
  • 5. La méthode DevOps
    
  • 2.3 Outils et technologies utilisés
    
  • SECTION : Environnement et outils de développement
    
    • 2.4 Architecture du système
      
    • 2.5.1 Extraction et prétraitement
      
    • 2.5.2 Reconnaissance d'entités (NER)
      
    • 2.5.3 Vectorisation et représentation
      
    • 
      
    • 2.5.5 Classement intelligent
      
    • 2.6 Exigences fonctionnelles et non fonctionnelles
      
• Chapitre 3 Conception du système
  
  • 3.1 Introduction
    
  • 3.2 Modélisation du processus métier
    
  • 3.3 Identification des acteurs 3.3.1 un acteur
    
  • 3.4 Diagramme de contexte métier
    
  • 3.5 Diagramme de processus métier BPMN (Business Process Model and Notation)
    
  • 3.6 Diagramme de cas d'utilisation métier
    
  • 3.7 MODELE DU DOMAIN
    
  • 1. Publication manuelle des offres d'emploi
    
  • 2. Réception des candidatures
    
  • 3. Lecture et analyse des CV
    
  • 4. Tri manuel des dossiers
    
  • 5. Sélection
    
  • 6. Absence de retour automatique
    
  • 7. Archivage des CV
    
  • 3.7.1 Spécification des exigences o Exigences fonctionnelles
    
  • 3.8.1 Présentation du système d'analyse de cv basé sur NLP
    
  • 3.8.2 Identification des acteurs du système d'analyse de cv basé sur le NLP
    
  • 3.8.3. Identification des cas d'utilisation
    
  • 3.8.3 Diagramme de cas d'utilisation
    
  • 3.9 Diagramme de séquence
    
  • 3.9.1 Description textuelle des cas d'utilisation et leurs diagrammes
    
  • 1. Titre : Créer un compte utilisateur
    
  • 2. Titre : S'authentifier
    
  • 9. Titre : Supprimer ou modifier un CV
    
  • 3.12. CONCEPTION DU MODÈLE LOGIQUE DE DONNÉES
    
  • 3.13. DIAGRAMME DE DÉPLOIEMENT
    
  • 1. Les Noeuds (Nodes) :
    
• CHAPITRE 4 IMPLEMENTATION DE LA SOLUTION PROPOSEE
  
  • 4.1. Introduction
    
  • 4.1. Technologies
    
  • 1. Le Producteur (Application principale)
    
  • 2. Le Broker (Serveur de messagerie)
    
  • 3. Les Workers Celery
    
  • 4. Le Backend de résultats (optionnel)
    
  • 5. Avantages de cette approche
    
  • 4.2.1. Introduction au Machine Learning
    
  • 1.2.2 Apprentissage supervisé
    
  • 2.2.3 Apprentissage non supervisé
    
  • 2.3.4 Apprentissage par renforcement
    
  • 2.3.5 Notions de Deep Learning
    
  • 1. Extraction des informations pertinentes à partir de données non structurées
    
  • 2. Évaluation sémantique de la pertinence entre CV et offres d'emploi
    
  • 2.3.6 Traitement automatique du langage naturel (NLP)
    
  • 4.3 Récolte de données
    
  • 4.4 Conception et Entraînement du Modèle de Classification pour l'Analyse CV-Offres
    
  • 2.4 Stratégie d'Étiquetage Automatique
    
  • 2.5 Équilibrage des Classes
    
  • 4.5. Conclusion
    
• CHAPITRE 5. RESULTATS ET EVALUATIONS
  
  • 5.1 Résultats