|
--- |
|
widget: |
|
- text: "Data Scientist (H/F) Vos missions au quotidien Le Data Scientist a pour mission la conception, le développement et l'amélioration de modèles analytiques permettant de créer de la valeur ajoutée pour les métiers et d'aider la banque dans ses prises de décision. Missions principales : Développer des use cases de bout en bout, en collaboration avec la Digital Factory ainsi que les lignes métiers Concevoir et développer les modèles de machine learning et de data mining nécessaires à la livraison de la solution définie par l’équipe projet Faire évoluer les modélisations et améliorer l'efficacité des modèles conçus tenant compte des retours des métiers ainsi que des résultats terrains obtenus Récupérer et analyser les données pertinentes liées au processus de production de l’entreprise, à la vente ou encore liées aux données client et ce afin d'apporter une information décisionnelle Construire des algorithmes permettant d’améliorer les résultats de recherches et de ciblage Élaborer des modèles prédictifs afin d’anticiper l’évolution des données et tendances relatives à l’activité de l’entreprise Modéliser les résultats d'analyse des données et les présenter avec des recommandations et des plans d'actions exploitables par les managers métier Analyser les données, mettre en place des reportings, via l'outil 'Data Vis', qui serviront la prise de décision et formuler des recommandations Business Participer au recrutement d’experts Big Data pour compléter l’équipe qui travaille sur le traitement des données Faire de la recherche et développement relative au traitement de grands volumes de données Automatiser et sécuriser le traitement Data Science sur les plateformes dédiées Mener une veille sur les sujets relatifs à son périmètre et être une force de proposition et d'innovation Et si c’était vous ? Profil recherché : De Formation Bac +5, diplôme d'ingénieur ou diplôme en mathématiques, statistiques, économétrie. 5 ans d'expérience dans le développement et l’application de modèles prédictifs Compétences métier : Méthodologies Analytics Apprentissage automatique (Machine Learning) Exploration de données Statistiques Algorithme / Codage / Programmation" |
|
tags: |
|
- spacy |
|
- token-classification |
|
- ner |
|
- named entity recognition |
|
- information extraction |
|
language: |
|
- fr |
|
model-index: |
|
- name: fr_job_info_extr_fr |
|
results: |
|
- task: |
|
name: NER |
|
type: token-classification |
|
metrics: |
|
- name: NER Precision |
|
type: precision |
|
value: 0.9598062954 |
|
- name: NER Recall |
|
type: recall |
|
value: 0.9622293427 |
|
- name: NER F Score |
|
type: f_score |
|
value: 0.9610162917 |
|
library_name: spacy |
|
pipeline_tag: token-classification |
|
--- |
|
|
|
# French model for information extraction from Job postings |
|
|
|
| Feature | Description | |
|
| --- | --- | |
|
| **Name** | `fr_job_info_extr_fr` | |
|
| **Version** | `0.0.0` | |
|
| **spaCy** | `>=3.5.1,<3.6.0` | |
|
| **Default Pipeline** | `tok2vec`, `ner` | |
|
| **Components** | `tok2vec`, `ner` | |
|
| **Vectors** | 500000 keys, 500000 unique vectors (300 dimensions) | |
|
| **Sources** | n/a | |
|
| **License** | n/a | |
|
| **Author** | [Youssef Chafiqui](https://huggingface.co/ychafiqui) | |
|
|
|
### Label Scheme |
|
|
|
<details> |
|
|
|
<summary>View label scheme (8 labels for 1 components)</summary> |
|
|
|
| Component | Labels | |
|
| --- | --- | |
|
| **`ner`** | `CONTRAT`, `EDUCATION`, `EXPERIENCE`, `HARD-SKILL`, `LANGUE`, `POSTE`, `SALAIRE`, `SOFT-SKILL` | |
|
|
|
</details> |
|
|
|
### Accuracy |
|
|
|
| Type | Score | |
|
| --- | --- | |
|
| `ENTS_F` | 96.10 | |
|
| `ENTS_P` | 95.98 | |
|
| `ENTS_R` | 96.22 | |
|
| `TOK2VEC_LOSS` | 219378.28 | |
|
| `NER_LOSS` | 68755.91 | |
|
|
|
## Usage |
|
### Presequities |
|
Install spaCy library |
|
```bash |
|
pip install spacy |
|
``` |
|
|
|
Download the model |
|
```bash |
|
pip install https://huggingface.co/ychafiqui/fr_job_info_extr_fr/resolve/main/fr_job_info_extr_fr-any-py3-none-any.whl |
|
``` |
|
|
|
### Load the model |
|
```python |
|
import spacy |
|
nlp = spacy.load("fr_job_info_extr_fr") |
|
``` |
|
|
|
### Inference using the model |
|
```python |
|
doc = nlp('put your job description here') |
|
|
|
for ent in doc.ents: |
|
print(ent.text, "-", ent.label_) |
|
``` |
