Test legat de ghid · Mediu Nivel

AI în testul de analiză a CV-urilor și de potrivire a talentelor

Aflați cum reluarea analizei extrage câmpurile structurate, cum potrivirea semantică compară candidații cu roluri și unde contează părtinirea și supravegherea.

Căi de ghidare aferenteAI în analizarea CV-ului și potrivirea talentelor
Întrebare 1 de 8

Ce face în principal analizarea reluării?

Previzualizează fiecare întrebare8 întrebări

Răspunsurile și explicațiile apar pe măsură ce susțineți testul.

  1. Ce face în principal analizarea reluării?
    • Transformă textul CV-ului nestructurat în câmpuri structurate, cum ar fi abilitățile și datele
    • Scrie CV-uri pentru candidați
    • Interviu candidații prin telefon
    • Stabilește salariul pentru fiecare rol
  2. Cum se îmbunătățește potrivirea semantică modernă cu vechile filtre de cuvinte cheie?
    • Caută doar potriviri exacte de cuvinte
    • Înțelege termeni înrudiți, așa că „React developer” poate potrivi „inginer front-end”
    • Ignoră fișa postului
    • Este necesar ca candidații să-și tasteze din nou CV-ul
  3. De ce părtinirea este o preocupare serioasă în potrivirea talentelor AI?
    • AI nu poate citi PDF-uri
    • CV-urile sunt întotdeauna anonime
    • Modelele instruite în angajarea istorică pot învăța și amplifica discriminarea din trecut
    • Potrivirea este pur aleatorie
  4. Ce tehnică transformă textul în vectori numerici pentru compararea asemănărilor?
    • Scanare OCR
    • Sortarea foilor de calcul
    • Verificare ortografică
    • Înglobări de la modele de transformatoare
  5. Ce ar putea fi necesar pentru a extrage text dintr-un CV scanat, bazat pe imagini?
    • Recunoaștere optică a caracterelor (OCR)
    • Un microfon mai tare
    • O imprimantă mai rapidă
    • O nouă postare de muncă
  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