resumes

מה זה

המאגר מחזיק בין אלף לעשרת אלפים רשומות המייצגות קורות חיים בעולם הטכנולוגי. המידע מורכב משני מקורות שעברו האחדה: קורות חיים אמיתיים שנאספו מהגשות מועמדים ועברו אנונימיזציה להסרת פרטים מזהים, ורשומות סינתטיות שנוצרו בסקריפטים של פייתון בעזרת ספריית Faker על בסיס תבניות ייעודיות לתפקידים טכניים.

המבנה של כל רשומה הוא אובייקט מקונן שכולל חלוקה מוגדרת לפרטים אישיים מזויפים או מנוקים, ניסיון תעסוקתי עם פירוט מעסיקים, טכנולוגיות ותחומי אחריות, השכלה, רשימת מיומנויות טכניות מחולקות לפי שפות תכנות, ענן ומסדי נתונים, וכן פרויקטים מעשיים. המפרסמים לא צירפו תיוגים חיצוניים, אלא הסתמכו ישירות על השדות המובנים בתוך קובץ הנתונים.

מתאים ל

• אימון חילוץ נתונים

  אימון מודלים לזיהוי וחילוץ שדות ניסיון, מיומנויות והשכלה מקורות חיים.

• התאמת מועמד למשרה

  בניית מודלי דירוג והתאמה בין דרישות משרה טכנולוגיות לפרופיל מקצועי.

• אוגמנטציה לדאטה קיים

  שימוש ברשומות הסינתטיות כדי להרחיב מאגרי קורות חיים קטנים בפרויקטים טכניים.

איפה זה נופל

הנתונים מוגבלים לתחום הפיתוח והטכנולוגיה, כך שהם לא יעזרו למי שמפתח מערכת למקצועות אחרים. חלק מהשדות כמו תעודות ופרסומים מופיעים רק במעט רשומות, וקיימת שונות באיכות המידע שנשאב מקורות החיים האמיתיים. בנוסף, הסתמכות יתר על הדוגמאות שיוצרו באמצעות Faker עלולה לגרום למודל ללמוד תבניות סינתטיות שאינן משקפות את האופן שבו אנשים כותבים במציאות, וכל המאגר מוגבל לשפה האנגלית בלבד.

איך טוענים

טוענים את הנתונים ישירות דרך ספריית datasets או בקריאה רגילה של קובץ master_resumes.jsonl שנמצא במאגר. המאגר פתוח לציבור ואינו דורש אישור גישה מראש. הרשומות מגיעות בצורת JSONL מקונן, כך שחשוב לבדוק את מבנה המערכים הפנימיים כמו שדות הניסיון והמיומנויות לפני שמזינים אותם למודל סיווג.

from datasets import load_dataset

ds = load_dataset("datasetmaster/resumes")

הרישיון

הרישיון הוא רישיון MIT סטנדרטי. מותר להשתמש בנתונים למטרות מסחריות, לשנות אותם ולשלב אותם במוצרים סגורים. הדרישה היחידה היא לשמור על הודעת זכויות היוצרים ונוסח הרישיון המקורי. השימוש במאגר אינו כופה עליכם לחשוף את קוד המקור של מודל שאומן עליו.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש

הרישיון המלא ב־Hugging Face ↗