L'utilisateur bénéficie d'une intelligence artificielle pour l'aider dans sa recherche d'emploi ou de missions rémunérées.
L'outil permet de collecter, analyser et classer les offres d'emploi selon ses propres goûts. Correspondre à une offre permet à l'algorithme de connaître vos préférences.
Le projet est divisé en trois phases :
- Collecte de données en utilisant le web scraping avec la fonction get().
- La fonction app() permet de faire des glisser-déposer et de classer les offres.
- Enfin, la fonction algo() analyse les offres restantes et prédit un score de sensibilité. The project is divided into three phases:
lapply(list.files("inst/", full.names = T), source)
params = list(
user_id = "tintin",
mots_cles = c("data+scientist", "Statisticien")
)
get(mc = params$mots_cles, id = params$user_id)
app(id = params$user_id)
algo(id = params$user_id)
read_rds("data/top/prev.RDS") %>%
slice_head(n = 10)
#> # A tibble: 10 x 10
#> id title localisation desc note link entreprise date score_pred
#> <chr> <chr> <chr> <chr> <lgl> <chr> <chr> <date> <dbl>
#> 1 134 ÉCON~ Paris prés~ NA http~ <NA> NA 0.905
#> 2 379 Ingé~ France entr~ NA http~ <NA> 2020-05-03 0.614
#> 3 344 DATA~ Paris prés~ NA http~ Banque de~ 2020-04-26 0.568
#> 4 260 Data~ 75 - Paris ~ data~ NA http~ <NA> NA 0.546
#> 5 382 Data~ 75 - Paris ~ data~ NA http~ <NA> 2020-05-02 0.546
#> 6 396 Data~ 13 - MARSEI~ cons~ NA http~ <NA> 2020-04-30 0.391
#> 7 412 Data~ 75 - PARIS ~ emag~ NA http~ <NA> 2020-04-29 0.368
#> 8 332 DEVE~ 92 - ISSY L~ eure~ NA http~ <NA> 2020-04-23 0.309
#> 9 328 Data~ 75 - Paris ~ desc~ NA http~ <NA> 2020-04-24 0.287
#> 10 265 Data~ France resu~ NA http~ <NA> NA 0.252
#> # ... with 1 more variable: note_pred <dbl>