О нас
ProSalary - личный помощник для построения карьеры и развития профессиональных навыков, созданный на основании анализа открытых данных с помощью современных методов машинного обучения и обработки естественного языка.
Что мы делаем?
ProSalary наглядно демонстрирует, как изменение вашей профессии или компетенций повлияет на рыночную зарплату. Возможно сейчас самое время добавить актуальные навыки к вашему портфолио и существенно повысить привлекательность среди других специалистов.
Анализируя большие массивы данных по вакансиям, резюме, откликам работодателей и деперсонализированные данные пользователей сервиса, proSalary считает для вас максимально персонализированную зарплату и конкурентный потенциал с учетом вашего опыта работы, графика работы, местоположения, ваших навыков и образования. Также алгоритмы анализа данных proSalary позволяют оценить вклад каждой детали вашей карьеры. Этот уровень детализации и прозрачности алгоритмов позволяет в дальнейшем сделать выводы о наиболее ценных навыках или опыте работы, а также дать наиболее оптимальные рекомендации для продвижения по карьере.
Главная ценность - с ProSalary мы стремимся дать возможность пользователям, увидев все данные, принять обоснованное решение о заработной плате и помочь выявить наиболее ценные компетенции для профессионального развития. В дополнение по популярным профессиям ProSalary содержит дистанционные курсы, представленные ведущими проектами в сфере онлайн-образования (Coursera, Udacity, EDX, Интуит, Лекториум и др.)
Как мы это делаем?
Технически сервис реализован из двух частей: современных масштабируемых методов анализа данных составляющих искусственный «мозг» сервиса и современных средств визуализации и интерпретации результатов работы сервиса, позволяющих создать максимально удобный и выдающийся опыт его использования. Анализ данных в том числе включает в себя следующие этапы:
- Извлечение навыков из неструктурированного описания вакансий с помощью методов natural language processing (NLP) и машинного обучения (ML): supervised обучение с помощью смеси алгоритмов машинного обучения (логистической регрессии с регуляризацией, SVM и нелинейных моделей) на основании описания профессии преобразованного с помощью алгоритма word2vec;
- Извлечение навыков из описания вакансий с помощью методов natural language processing (NLP) и unsupervised обучение на основании методов thematic modeling;
- Оценка навыков на основании статистических методов и методов машинного обучения (ML): линейной регрессии с регуляризацией, логистической регрессии с parceling и нелинейных моделей;
- Оценка остальных факторов определяющих зарплату на основании статистических методов и методов машинного обучения (ML): линейной регрессии с регуляризацией, логистической регрессии с parceling и нелинейных моделей;
- Оценка вероятности трудоустройства на основании данных откликов работодателя c помощью логистической регрессии с регуляризацией и нелинейных моделей.
