Milijuni tražitelja posla oslanjaju se na digitalne platforme, ali točno i relevantno oglašavanje radnih mjesta i dalje je izazov. Manjunatha Jagalur, inženjer strojnog učenja s dugogodišnjim iskustvom, osmislio je novi sustav rangiranja za jedan od najvećih svjetskih portala za zapošljavanje koji nastoji riješiti taj problem.
Jagalur je izgradio kompozitnu arhitekturu rangiranja koja spaja više modela strojnog učenja u modularan lanac. Sustav se može fino podešavati ovisno o poslovnim ciljevima i pritom „vaga” stotine parametara – od lokacije i vještina do obrazovanja, certifikata i radnog staža.
„The end goal of most job search engines is twofold: optimizing for end user benefit while providing good ROI for the advertisers,” objašnjava Jagalur, ističući kako je ključno uskladiti interese kandidata i oglašivača.
Da bi platforma ostala brza, tim je unaprijed obradio podatke: složeniji izračuni, poput analize vještina, odvijaju se prije samog pretraživanja, dok se u trenutku upita aktivira samo manji skup modela. Time je značajno smanjena latencija, presudna za zadržavanje korisnika. „Increased latency drastically reduces user engagement,” podsjeća Jagalur.
Transparentni alati prikazuju kako promjene težinskih faktora utječu na rezultate, što menadžerima omogućuje da, primjerice, potaknu raznolikost kandidata ili prošire spektar preporučenih poslova.
Redizajnirani sustav već povezuje milijune ljudi s poslodavcima diljem svijeta, pružajući preciznije, brže i pravednije podudaranje – i time potvrđuje da strojno učenje može biti jednako korisno za korisnike i za oglašivače.