Нейросеть, разработанная Университетом ИТМО и правительством Петербурга, ускорит отбор кандидатов в систему городского управления

Он собирает анкеты кандидатов в Молодежный кадровый резерв с Кадрового портала Санкт-Петербурга и передаёт их нейросети. Затем «Геннадий» получает от искусственного интеллекта обратную связь и вносит необходимые пометки в базу данных

Анализирует полученные сведения по семи параметрам – проверяет правильность заполнения анкеты, ищет несоответствия в

биографических данных

Разработанное в Петербурге комплексное решение из робота и нейросети помогает сократить количество ошибок в анкетах и повысить эффективность работы сотрудников кадровых подразделений

⚡️

У нас был датасет из тысячи резюме, в котором были нормальные резюме, прошедшие модерацию, и неадекватные. Мы смотрели, насколько точно модель работает на тех данных, которые нам прислал комитет по труду. Модель ошибалась только тогда, когда человек говорил, что резюме адекватное, а модель считала, что оно неадекватное.

Подробнее ознакомиться с материалами и посмотреть запись выступления можно

по ссылке

Не прошли во втором этапе? У вас есть еще несколько способов поступить в магистратуру ИТМО:

➡️ Вступительный экзамен;
➡️ ПИГА;
➡️ Рекомендательное письмо;
➡️ Внутренние конкурсы, которые проводят программы. Узнать о них подробнее можно на странице программы на сайте Абит.

График работы приемной комиссии:
🗓 22 августа — с 10:00 до 17:00.
🗓 23 августа — с 11:00 до 15:00.
🗓 24 августа — с 10:00 до 12:00.

Артем и его команда предложили нестандартное решение, которое: позволило создать централизованный диспетчер задач, решающий сколько агентов какого типа, когда и какую задачу будут выполнять, разработав гибкий протокол коммуникации на графах, в основу которого легли векторные представления GPT

Обе конференции IDEAL 2024 (Q2) были "подготовительным" этапом для написания Q1 статьи в Technologies в рамках работы над госзаданием. Статья ВАК и Q4 были отличным подспорьем в поиске актуальных направлений исследований и раннем прототипировании решений.
РИДы и статьи связаны одним госзаданием. Практические результаты статьей естественным образом перешли в РИДЫ.

✔️ Real-Time Scheduling with Independent Evaluators: Explainable Multi-Agent Approach (Q1, К1)
✔️Personalized prediction of glycemic responses to food in women with diet-treated gestational diabetes: the role of the gut microbiota (Q1, К1)
✔️ Cooperative-Competitive Decision-Making in Resource Management: A Reinforcement Learning Perspective (Q2, К2)
✔️ Loss Function Role in Processing Sequences with Heavy-Tailed Distributions (Q2, К2)
✔️Aspects of organizing game interactions among asymmetric agents using graph neural networks (Q4, К4)
✔️ Объяснимость поведения агентов в системах поддержки принятия клинических решений (ВАК)