이력서 분석 및 인재 매칭 퀴즈의 AI

퀴즈를 풀면 정답과 설명이 나타납니다.

1. 이력서 구문 분석은 주로 무엇을 합니까?
   • 구조화되지 않은 이력서 텍스트를 기술 및 날짜와 같은 구조화된 필드로 변환합니다.
   • 후보자의 이력서를 작성합니다.
   • 전화로 후보자 인터뷰
   • 역할별 급여를 설정합니다.
2. 기존 키워드 필터에서 최신 의미론적 일치가 어떻게 향상되나요?
   • 정확한 단어 일치만 찾습니다.
   • 관련 용어를 이해하므로 'React 개발자'는 '프론트엔드 엔지니어'와 일치할 수 있습니다.
   • 직업 설명을 무시합니다.
   • 후보자는 이력서를 다시 입력해야 합니다.
3. AI 인재 매칭에서 편견이 심각한 문제가 되는 이유는 무엇입니까?
   • AI는 PDF를 읽을 수 없습니다
   • 이력서는 항상 익명으로 처리됩니다.
   • 과거 채용에 대해 훈련된 모델은 과거 차별을 학습하고 증폭시킬 수 있습니다.
   • 매칭은 순전히 무작위입니다
4. 유사성 비교를 위해 텍스트를 수치 벡터로 변환하는 기술은 무엇입니까?
   • OCR 스캐닝
   • 스프레드시트 정렬
   • 맞춤법 검사
   • 변압기 모델의 임베딩
5. 스캔한 이미지 기반 이력서에서 텍스트를 추출하려면 무엇이 필요할 수 있습니까?
   • 광학 문자 인식(OCR)
   • 더 큰 마이크
   • 더 빠른 프린터
   • 새로운 채용 공고
6. What is one possible use of semantic matching in a resume-screening workflow?
   • Automatically decide who should be hired without human review
   • Compare job requirements with skills described in candidate profiles
   • Guarantee a fair outcome for every applicant
   • Infer protected traits from a candidate’s name
7. When can an OCR step be useful in resume parsing?
   • When comparing two already-computed embedding vectors
   • When deciding a candidate’s interview score
   • When a resume is a scanned image and its text is not directly selectable
   • When converting a job title into a salary
8. What does cosine similarity compare in the guide’s embedding-based matcher?
   • The number of pages in each document
   • The chronological order of work history entries
   • The acoustic pitch of candidate names
   • The direction or angular similarity of job-description and candidate-profile vectors