Модель для предикта зарплаты по нескольким входящим параметрам:

• Название вакансии
• Тип занятости (код)
• Тип графика (код)
• Опыт (код)
• Город

Модель архитектуры TabNet обучалась на выборочных данных портала HeadHunter за 2019-2020 гг.

Сейчас модель делает предикт для некоторых городов России, но имеется возможность сделать так, чтобы модель определяла зарплату для вакансии любой точки России.

• Ноутбук, в котором отображён процесс предобработки данных
• Ноутбук, в котором отображён процесс обучения модели
• Файл app.py содержит код, который загружает и инициализирует веса обученной модели и делает возможность обращаться к ней посредством REST API запросов.
• Ноутбук, в котором показано, как получать предикты с помощью API.

• Презентация данного проекта
• Презентация идеи реализации сервиса для Кейса 1 - извлечение структурированной информации.

В файле notebooks/results.txt содержится пример результата работы модели. Там даны наименование вакансии, указанная зарплата и предсказанная моделью зарплата. Как видно, модель в ряде случаев несколько завышает зарплату по сравнению с официально заявленной для данной позиции. (Видимо, модель понимает реальное экономическое положение соискателей, и старается им помочь😻).

Установка и запуск:

git clone https://github.com/blanchefort/trudhack.git
cd trudhack
python -m venv venv
pip install -r requirements.txt

Запуск:

python app.py

Или так:

uvicorn app:app --port 5000 --host 0.0.0.0

Документация API:

http://35.225.239.24:5000/docs
http://35.225.239.24:5000/redoc

Игорь Шаталин
+7 987 655 67 79
[email protected]

Андрей Лукин
[email protected]