Qwiksift

وظيفتها

لا تزال منصة Qwiksift في مرحلة المنتج النموذجي، وهي مبنية باستخدام Python (Django DRF) وReact JS. تعمل المنصة كنظام متقدم لإدارة طلبات التوظيف، ما يتيح للمشرفين نشر الوظائف من خلال واجهة Django المخصّصة للمشرفين. نستفيد من Gemini API (gemini-1.5-pro-latest) لتحليل إعلانات الوظائف واستخراج التفاصيل الرئيسية، مثل المسمى الوظيفي وصاحب العمل والمهارات والمؤهّلات. تُحدِّد واجهة برمجة التطبيقات Gemini API أوزانًا لهذه العوامل، ويتم دمجها مع الأوزان الخوارزمية المخصّصة للمساعدة في فلترة السير الذاتية وترتيبها بفعالية.

عندما يتقدّم المرشّحون بطلبات، يتم تحليل سيرهم الذاتية باستخدام نموذج Gemini LLM، ويتم تخزين البيانات المستخرَجة في قاعدة بيانات PostgreSQL. على سبيل المثال، إذا قدّم 100 مرشّح طلبًا لوظيفة، تصفّح Qwiksift أفضل 20% من المرشّحين وتصنّفهم استنادًا إلى الأوزان المجمّعة. ويمكن للمشرفين بعد ذلك تحسين هذه المرشحين بشكلٍ أكبر من خلال تطبيق إعدادات مفضّلة مخصّصة، مثل مهارات أو مواقع جغرافية معيّنة (مثل Python وLLM وNLP ونيويورك، الولايات المتحدة الأمريكية).

بعد ذلك، يتم استخدام نموذج Gemini اللغوي الكبير، إلى جانب خوارزميتنا المخصّصة، لتقييم المرشحين وفقًا لهذه الإعدادات المفضّلة، ما يعزّز الدقة. يتيح Elasticsearch البحث المتقدّم، ويعيد النظام ترتيب المرشحين استنادًا إلى النتائج الجديدة. يمكن للمشرفين تطبيق ما يصل إلى 7 فلاتر مختلفة لتقييم السير الذاتية وترتيبها، مع خيار تنزيل النتائج التي تمّت فلترتها لإجراء مزيد من المراجعة.