百度祝恒书:百度智能招聘技术和应用实践

不到现场,照样看最干货的学术报告!

嗨,大家好。这里是学术报告专栏,读芯术小编不定期挑选并亲自跑会,为大家奉献科技领域最优秀的学术报告,为同学们记录报告干货,并想方设法搞到一手的PPT和现场视频——足够干货,足够新鲜!话不多说,快快看过来,希望这些优秀的青年学者、专家杰青的学术报告 ,能让您在业余时间的知识阅读更有价值。


人工智能论坛如今浩如烟海,有硬货、有干货的讲座却百里挑一。“AI未来说·青年学术论坛”系列讲座由中国科学院大学主办,百度全力支持,读芯术、paperweekly作为合作自媒体。承办单位为中国科学院大学学生会,协办单位为中国科学院计算所研究生会、网络中心研究生会、人工智能学院学生会、化学工程学院学生会、公共政策与管理学院学生会、微电子学院学生会。2020年8月29日,第18期“AI未来说·青年学术论坛”(“AI+X”领域专场)以“线上平台直播+微信社群图文直播”形式举行。百度祝恒书带来报告《百度智能招聘技术和应用实践》。

百度祝恒书的报告视频

百度智能招聘技术和应用实践

首先,祝恒书博士向大家介绍了百度人才智库团队TIC,该团队是专注于人才管理计算方向的AI和数据科学团队,它通过人工智能大数据的方法帮助企业实现人才管理模式的转型,能够帮助企业人才管理从经验导向向大数据智能化导向变革。祝恒书带领该团队做了很多探索与应用,其间获得国内外业界各类学术机构颁发的各种奖项,为人才管理做出了突出贡献。同时,祝恒书博士向大家介绍了一个全新的方向--人才管理计算方向。这是一个全新的方向,近年来TIC团队也在国际上举办了多次相关主题的学术研讨会,吸引了全球近千名从事人才管理方向以及AI大数据方向的学者和行业专家参加。

 

随后祝恒书博士强调,百度不仅仅是一个互联网公司,现在更是一个全球性的大数据和AI公司。这是因为百度有着非常多的用户粘性很强的产品,帮助百度积累了非常多的用户和数据:比如百度APP日活用户超过2.3亿,百户搜索引擎每天也会响应全球数十亿网民近十亿次的搜索需求,百度地图每天需要响应全球LBS服务超过1200亿次。基于这样的大量用户和大数据,百度也在很早之前就开始在AI这个方向进行布局:早在2013年,百度就成立了世界首个深度学习研究院,这也是后来百度研究院的前身。百度在AI这个领域早有布局,曾入选哈佛商业评论评选的全球AI五强公司,榜单上被称为全球领先的人工智能平台企业,也是中国AI领域投入最早、技术最强、布局最完整的企业。

而整个百度AI生态当中非常重要的一环就是百度大脑。目前百度大脑包含了基础层、感知层、认知层和平台层等多个层面的AI能力,同时贯穿其中的是百度AI的安全能力。基础层就是大家非常熟悉的人工智能时代的三大驱动力,即ABC算法、大数据以及计算能力。在这三个方向,百度也有着非常长时间的积累和很强的优势。

接下来,祝恒书博士对于为什么百度要做智能招聘这个问题做出解答。由于百度一直秉持的人才价值观就是:招最好的人,让优秀的人脱颖而出。在知识经济时代,越来越多的公司和百度都是轻资产型公司,人才是企业最宝贵的财富,代表企业最具核心的竞争力。但是对优秀人才的招聘是非常费时费力的工作,许多企业的招聘漏斗甚至超过100:1,即需要筛选超过100个人才入职1个候选人!无论是从财力还是人力的投入来看,这都是非常巨大的成本。正是由于传统的人才招聘工作的技术手段非常落后,而且通常是基于一些主观经验驱动的手段,因此需要用一些现代化的AI技术来完成招聘。从市场的角度来分析,整个就业市场、招聘市场也非常巨大。比如以我国为例,我国目前有就业人口超过7亿,其中超过70%的就业人口会在三年内更换工作,其中工作一年内就更换工作的人超过38%,2020年求职人数也将超过1.8亿,因此智能招聘的方向也是具有巨大的市场。百度在智能招聘方向的布局是非常早的,比如百度很早就上线了百度百聘这一面向招聘领域的搜索垂类产品,并从2015年开始依托百度人才智库TIC团队进行了智能招聘相关技术的研发。整个智能招聘领域目前百度已经有了非常全面的布局,研发了许多智能招聘的核心能力和应用,这些能力和应用目前也可以面向许多不同的招聘场景,比如企业招聘、猎头招聘、高校就业等等场景。之后他带领大家,结合具体的几个应用场景来介绍百度的智能招聘技术。

首先是智能化的简历评估筛选技术,简历初筛是招聘漏斗的第一环,也是整个淘汰率最高的一环,它非常依赖于招聘专员本身的专业能力,是劳动密集型的工作。因此,百度构建了一套用于简历筛选和评优的相关技术,基于互联网大数据构建了一个招聘领域的知识图谱,这是基于百度的招聘数据和搜索数据、百度百科等知识库构建的。根据该知识领域图谱,百度进一步研发了智能化的简历框架技术,希望通过知识图谱以及相关评优的机器学习算法对简历进行自动化的关键技能的抽取,同时能够对简历进行自动化的评优。

根据评优之后得到的优秀简历,下一步就是把这个优秀的简历推荐到合适的岗位,招聘领域称之为人岗匹配。拥有大量的简历和大量的岗位,想要进行人岗匹配是非常困难的,因此百度又通过机器学习的方法实现自动化的人岗匹配。基于这个方向,百度提出了一种基于神经网络的人岗匹配技术,这种技术跟传统的基于关键词的匹配算法不同,目前相关算法已经成为整个学界和业界里,研究人岗匹配的方向和智能招聘方向的一个标志性的算法。它已经在百度有了非常广泛的应用,百度大脑当中的生态合作伙伴提供了相关的DEMO展示和开放能力的输出,同时在百度内部的招聘系统,比如内推产品当中也都得到使用,同时百度自己的招聘平台就是面向社会招聘、校园招聘的平台也得到了应用。

之后,祝恒书博士介绍了智能化的笔试和面试评估技术。笔试和面试都是人才评估当中非常重要的手段,特别是笔试,这是一个比较宽泛的考察手段,通常都是对某一类岗位出一套题,无法做到精细化评估。现在整个AI时代,个人专业技能会变得越来越专精,因此百度希望能够能做出有个性化的、能够更好地评估每个不同候选人特质的千人千面、万人万面的考察算法。基于这样的想法,百度在过去的几年当中一直尝试开发一种智能化的笔试技术,帮助候选人根据所投岗位要求以及自身简历里的关键技能,生成一个个性化笔试。百度对此设计了一套个性化的面试问题推荐算法,本质是通过历史上面试笔试评估的数据,自动学习一个用于智能面试、笔试、问题推荐的技能知识图谱,可以自动提取当前面试岗位以及候选人简历当中的关键技能,这些技能需要关注的程度以及可能会辐射的子技能。相关的个性化笔试推荐技术也在百度校招当中得到了广泛应用,去年百度校招就上线了技术类笔试龙虎榜活动,对每个技术类的候选人在招聘系统里上传一份简历和投递的岗位之后,百度会自动生成个性化试题。

最后,祝恒书博士提到,百度智能招聘技术在过去几年里不光在学界发表了很多的顶级论文,同时也被国内外的著名媒体进行报道。其中一篇报道的题目他非常喜欢,“AI Could take your job, but Baidu’s newest AI can also help you find one”。事实上,现在很多人都在推崇AI威胁论,认为AI可以取代人的工作,但是百度一直在努力尝试用最新的AI技术帮助人们寻找最适合自己的工作,让优秀的人脱颖而出。这种AI For Social Good的理念也是百度一直所坚持的企业社会责任。

(整理人:时文康)

AI未来说*青年学术论坛

第一期 数据挖掘专场

1. 李国杰院士:理性认识人工智能的“头雁”作用

2. 百度熊辉教授:大数据智能化人才管理

3. 清华唐杰教授:网络表示学习理论及应用

4. 瑞莱智慧刘强博士:深度学习时代的个性化推荐

5. 清华柴成亮博士:基于人机协作的数据管理

第二期 自然语言处理专场

1. 中科院张家俊:面向自然语言生成的同步双向推断模型

2. 北邮李蕾:关于自动文本摘要的分析与讨论

3. 百度孙珂:对话技术的产业化应用与问题探讨

4. 阿里谭继伟:基于序列到序列模型的文本摘要及淘宝的实践

5. 哈工大刘一佳:通过句法分析看上下文相关词向量

第三期 计算机视觉专场

1. 北大彭宇新:跨媒体智能分析与应用

2. 清华鲁继文:深度强化学习与视觉内容理解

3. 百度李颖超:百度增强现实技术及应⽤

4. 中科院张士峰:基于深度学习的通用物体检测算法对比探索

5. 港中文李弘扬 :物体检测最新进展

第四期 语音技术专场

1. 中科院陶建华:语音技术现状与未来

2. 清华大学吴及:音频信号的深度学习处理方法

3. 小米王育军:小爱背后的小米语音技术

4. 百度康永国:AI 时代的百度语音技术

5. 中科院刘斌:基于联合对抗增强训练的鲁棒性端到端语音识别

第五期 量子计算专场

1. 清华大学翟荟:Discovering Quantum Mechanics with Machine Learning

2. 南方科技大学鲁大为:量子计算与人工智能的碰撞

3. 荷兰国家数学和计算机科学中心(CWI)李绎楠:大数据时代下的量子计算

4. 苏黎世联邦理工学院(ETH)杨宇翔:量子精密测量

5. 百度段润尧:量子架构——机遇与挑战

第六期 机器学习专场

1. 中科院张文生:健康医疗大数据时代的认知计算

2. 中科院庄福振:基于知识共享的机器学习算法研究及应用

3. 百度胡晓光:飞桨(PaddlePaddle)核心技术与应用实践

4. 清华大学王奕森:Adversarial Machine Learning: Attack and Defence

5. 南京大学赵申宜:SCOPE - Scalable Composite Optimization for Learning

第七期 自动驾驶专场

1. 北京大学查红彬:基于数据流处理的SLAM技术

2. 清华大学邓志东:自动驾驶的“感”与“知” - 挑战与机遇

3. 百度朱帆:开放时代的自动驾驶 - 百度Apollo计划

4. 北理宋文杰:时空域下智能车辆未知区域自主导航技术

第八期 深度学习专场

1. 中科院文新:深度学习入门基础与学习资源

2. 中科院陈智能:计算机视觉经典——深度学习与目标检测

3. 中科院付鹏:深度学习与机器阅读

第九期 个性化内容推荐专场

1. 人民大学赵鑫:基于知识与推理的序列化推荐技术研究

2. 中科院赵军:知识图谱关键技术及其在推荐系统中的应用

第十期 视频理解与推荐专场

1. 北京大学袁晓如:智能数据可视分析

第十一期 信息检索与知识图谱专场

1. 北京邮电大学邵蓥侠:知识图谱高效嵌入方法

2. 人民大学徐君:智能搜索中的排序-突破概率排序准则

3. 百度周景博:POI知识图谱的构建及应用

4. 百度宋勋超:百度大规模知识图谱构建及智能应用

5. 百度冯知凡:基于知识图谱的多模认知技术及智能应用

第十二期 年度特别专场

1. 复旦大学桂韬:当NLP邂逅Social Media--构建计算机与网络语言的桥梁

2. 清华大学董胤蓬:Adversarial Robustness of Deep Learning

3. UIUC罗宇男:AI-assisted Scientific Discovery

4. 斯坦福应智韬:Graph Neural Network Applications

第十三期 AI助力疫情攻关线上专场

1. 清华大学吴及:信息技术助力新冠防控

2. 北京大学王亚沙:新冠肺炎传播预测模型

3. 百度黄际洲:时空大数据与AI助力抗击疫情——百度地图的实践与思考

4. 百度张传明:疫情下的“活”导航是如何炼成的

第十四期 深度学习线上专场

1. 中国科学院徐俊刚:自动深度学习解读

2. 北航孙钰:昆虫目标检测技术

3. 百度尤晓赫:EasyDL,加速企业AI转型

4. 百度邓凯鹏:飞桨视觉技术解析与应用

第十五期 大数据线上专场

1. 复旦赵卫东:大数据的系统观

2. 中科大徐童:AI×Talent数据驱动的智能人才计算

3. 百度李伟彬:基于PGL的图神经网络基线系统

4. 中科大张乐:基于人才流动表征的企业竞争力分析

第十六期 NLP前沿技术及产业化线上专场

1. 复旦大学黄萱菁:自然语言处理中的表示学习

2. 中科院刘康:低资源环境下的事件知识抽取

3. 百度何中军:机器翻译 —— 从设想到大规模应用

4. 百度孙宇:百度语义理解技术ERNIE及其应用

5. 哈佛邓云天:Cascaded Text Generation with Markov Transformers

6. 复旦大学桂韬:Uncertainty—Aware Sequence Labeling

第十七期 百度奖学金特别专场

1.  麻省理工学院赵明民:能穿墙透视的计算机视觉

2. 卡内基梅隆大学梁俊卫:视频中行人的多种未来轨迹预测     

3. 清华大学丁霄汉:深度网络重参数化——让你的模型更快更强

4. 南京大学赵鹏:动态环境在线学习的算法与理论研究

5. 上海交通大学方浩树:人类行为理解与机器人物体操作


推荐阅读专题


留言 点赞 发个朋友圈

我们一起分享AI学习与发展的干货

推荐文章阅读

ACL2018论文集50篇解读

EMNLP2017论文集28篇论文解读

2018年AI三大顶会中国学术成果全链接

ACL2017 论文集:34篇解读干货全在这里

10篇AAAI2017经典论文回顾

长按识别二维码可添加关注

读芯君爱你

猜你喜欢

转载自blog.csdn.net/duxinshuxiaobian/article/details/108525711