Você já sentiu que seu currículo não reflete adequadamente seu vasto conhecimento e valor potencial? Não se preocupe: o LinkedIn está ao seu lado.
A empresa faz um esforço considerável para aprimorar o conjunto de habilidades que você apresenta ao mundo, usando inteligência artificial, desenvolvimento de taxonomia e muito poder computacional para dar sentido à sua página de perfil.
“Vemos um futuro onde o mundo do trabalho está centrado em uma economia que prioriza as habilidades”, escreveu Ji Yan, líder técnico de IA do LinkedIn, liderando uma postagem de blog de vários autores publicada na quarta-feira que explicava como a empresa analisa os dados do usuário para melhor articular seu trabalho. habilidades.
As habilidades são tudo para o LinkedIn, a língua franca do profissionalismo e o grande democratizador de oportunidades.
Pois são as competências de uma pessoa que “nivelam o campo de atuação no mercado de trabalho”, escreveu Yi Pan, do LinkedIn, num post anterior.
O conjunto de habilidades demonstra “do que um membro é capaz – não onde estudou, onde cresceu ou onde trabalhou”.
Em termos mais práticos, um modelo melhor de conjunto de habilidades de usuário fornece ao LinkedIn dados mais acionáveis para trabalhar, em termos de ajudar essa pessoa a conseguir seu próximo emprego ou aprimorar seus conhecimentos, bem como para que as empresas encontrem melhores candidatos, “especialmente em setores que estão procurando agressivamente por talentos”, observou Pan.
O usuário entusiasta do LinkedIn irá, é claro, adicionar uma lista de habilidades ao seu perfil, na seção de habilidades dedicada (algumas mais completas do que outras). Mas eles também deixam todos os tipos de detalhes sobre seus conhecimentos em outras seções. Eles farão upload de currículos e incluirão informações adicionais nas seções Resumo e Experiência. Se uma pessoa fizer um curso do LinkedIn Learning, ela também acumulará esses conhecimentos.
“Não queremos perder essas habilidades, por isso extraí-las do texto é essencial”, escreveu Pan.
É aqui que a IA se torna útil, extraindo e mapeando habilidades de todos esses dados não estruturados.
Uma maneira pela qual o LinkedIn coleta mais dados sobre suas habilidades malucas.
Os modelos são ajustados para compreender diferentes formatos, como currículos ou perfis de membros. “Onde e como uma habilidade é mencionada pode fornecer um sinal significativo sobre quão relevante é a habilidade e como devemos interpretar a menção da habilidade”, afirmam os pesquisadores.
Uma vez descoberta, a terminologia também deve ser normalizada (será “análise de dados” ou “análise de dados”?) e reconciliada com as taxonomias de competências do LinkedIn.
Nem todas as habilidades são explicitamente nomeadas no texto. Alguém pode escrever “experiência com design de aplicativo iOS”, mas não usar o nome canônico dessa experiência, “Desenvolvimento Móvel”.
Um etiquetador de habilidades pode então fazer correspondências de habilidades baseadas em token e semântica para conectar frases a conjuntos de habilidades.
A abordagem semântica é baseada em um conjunto de codificadores de texto de modelo de linguagem grande (LLM). Os pesquisadores nomeiam um, Multilingual BERT (M-BERT), que gera incorporação contextual para o texto fonte e o nome da habilidade.
As competências também são expandidas através do uso do Gráfico de Competências do LinkedIn, que pode ser consultado para outras competências relacionadas.
O sistema também tenta estimar como proficiente você tem uma habilidade, um trabalho mais difícil, dada a tendência das pessoas de superestimar suas habilidades em tudo.
“Embora seja fácil incentivar os membros a listar as suas competências no seu perfil do LinkedIn, estimar a sua experiência nessas competências é mais desafiante”, escrevem os investigadores.
Eles usam uma estrutura de aprendizagem multitarefa com um “esquema de ponderação de incerteza que incorpora sinais de múltiplos contextos”.
Esse trabalho também ajuda a empresa a identificar as habilidades importantes de um usuário, onde é utilizado para revelar oportunidades que os próprios usuários podem ter perdido. (Para revisar suas 10 principais habilidades, faça login na seção Habilidades e endossos do site.)
Essa análise de dados de um bilhão de usuários é bastante impressionante, mas o que torna essa tarefa ainda mais desafiadora é que essas informações devem estar sempre atualizadas.
“Sem uma pilha de tecnologia robusta para mapear conteúdo para o Skills Graph, seria apenas uma lista estática que ficaria desatualizada com o passar do tempo”, escrevem Yan et al. “Em vez disso, o LinkedIn é capaz de atualizar e evoluir constantemente o Gráfico de Competências para se manter atualizado sobre o cenário de competências em constante mudança.”
Os resultados são usados em muitos produtos e recursos do LinkedIn – pesquisa, recomendações, classificações de feed, pesquisa e listagens de empregos, pesquisas de recrutadores e assim por diante.
A base de usuários do LinkedIn faz, em média, 200 edições globais de perfil por segundo. Além disso, o LinkedIn deseja que cada mensagem seja processada em menos de 100 milissegundos.
“Servir um modelo BERT completo de 12 camadas em uma plataforma como o LinkedIn, mantendo os padrões de latência, é uma tarefa difícil até mesmo para os líderes do setor, já que o BERT, embora poderoso em PNL, tem uma grande contagem de parâmetros e é computacionalmente exigente”, gabam-se os pesquisadores .
Todo esse trabalho, no entanto, remonta à missão principal do LinkedIn: conectar os profissionais do mundo todo e tornar todos mais ricos e bem-sucedidos.
“Quando um candidato a emprego abre um anúncio de emprego no LinkedIn, um recurso mostrará quantas habilidades se sobrepõem entre seu perfil e o trabalho”, escreveram os pesquisadores. “Em geral, quanto maior a sobreposição, maior a probabilidade de uma aplicação ser bem-sucedida”.
YOUTUBE.COM/THENEWSTACK
A tecnologia avança rápido, não perca um episódio. Inscreva-se em nosso canal no YouTube para transmitir todos os nossos podcasts, entrevistas, demonstrações e muito mais.
SE INSCREVER
