gondimjoaom / desafio-cientista-de-dados

Desafio para Cientista de Dados - VAGAS.com

Processo Seletivo Vagas - Cientista de Dados Sr.

Considerações sobre o desafio

• O prazo padrão para entrega da solução é de 7 dias corridos, contados a partir da data de recebimento do desafio. Caso você precise de mais tempo, entre em contato conosco e fechamos uma nova data para a entrega. Não se preocupe, somos super flexíveis ;)
• A solução poderá ser feita em Python ou R e deverá rodar em um notebook jupyter
• Quando estiver tudo pronto, você deve mandar um e-mail para [email protected] com o assunto Cientista de Dados VAGAS.com - <%SEU_NOME%> e o link para o seu repositório.

Sobre a Oportunidade

• Primeiro você deve se aplicar à vaga, em nosas plataforma Detalhes da vaga de Ciêntista de Dados
• Após isso o prazo já começará a contar para a execução do teste.

Descrição

Os analistas de RH conduzem diversos processos seletivos simultaneamente e geralmente possuem pouco tempo para selecionarem o candidato certo para suas vagas.

Para facilitar a vida dos analistas de RH, você como cientista de dados recebeu o desafio de modelar uma máquina de aprendizado de classificação, capaz de prever o comportamento dos analistas no processo seletivo, ou seja, prever quais candidatos os analistas aprovariam em cada processo.

Para isso, a base de dados disponibilizada possui informações dos candidatos, das vagas e do processo seletivo (se o candidato foi ou não aprovado no processo.

Com a criação do modelo você permitirá que as pessoas certas sejam selecionadas para as vagas de forma mais rápida e eficaz, facilitando assim a vida dos analistas de RH e dos candidatos (quem não gostaria de receber o feedback de sua participação em um processo seletivo o mais rápido possível? ;o)

Objetivo

Modelar uma máquina de aprendizado que seja capaz de prever quais candidatos serão aprovados no processo seletivo.

Métrica

Neste desafio você deverá utilizar a métrica F1-Score

Base de Dados (treinamento e testes)

Para este desafio será disponibilizada uma base de dados fictícia já classificada com a variável target aprovado_vaga visando a utilização para treinamento e testes do modelo criado.

O arquivo está presente no diretório dataset com o nome base_treinamento_testes.pkl no formato pickle) e pode ser facilmente lido com o comando read_pickle da biblioteca pandas.

Cada linha da base de dados representa a candidatura de um profissional distinto à uma determinada vaga (oportunidade de trabalho), em que os campos com a descrição _candidato representam atributos vinculados aos candidatos, e os campos com a descrição _vaga representam atributos vinculados às vagas.

O modelo deverá ser treinado com a variável target aprovado_vaga, que indica, com os valores binários 1 e 0, se um candidato foi ou não aprovado no respectivo processo seletivo da vaga em questão.

Abaixo a descrição de cada um dos campos da base:

Campo	Descrição
codigo_vaga	Identificador único do processo seletivo
ultimo_salario_candidato	Salário referente à última posição exercida pelo candidato
ultimo_cargo_candidato	Cargo referente à última posição exercida pelo candidato
area_interesse_candidato	Área de interesse selecionada pelo candidato no momento do cadastro do Currículo
nivel_candidato	Nível profissional máximo atingido pelo candidato
formacao_candidato	Última formação acadêmica do candidato
cidade_candidato	Nome da cidade onde o candidato reside
nivel_ingles_candidato	Nível de inglês (0 a 4) com o nível de fluência em inglês indicado pelo candidato (onde 0 é “não possui” e 4 é inglês fluente)
nivel_espanhol_candidato	Nível de espanhol (0 a 4) com o nível de fluência em espanhol indicado pelo candidato (onde 0 é “não possui” e 4 é inglês fluente)
mediana_teste_ingles_candidato	Mediana das notas obtidas pelos candidatos em testes de inglês
mediana_teste_espanhol_candidato	Mediana das notas obtidas pelos candidatos em testes de espanhol
mediana_teste_logica_candidato	Mediana das notas obtidas pelos candidatos em testes de lógica
mediana_teste_outros_candidato	Mediana das notas obtidas pelos candidatos em outros testes gerais
cargo_vaga	Cargo “normalizado” (processo de padronização) referente à posição requerida na vaga. Pode conter dados sem classificação
nivel_vaga	Nível profissional requerido na vaga
formacao_vaga	Formação Acadêmica requerida na vaga
cidade_vaga	Nome da cidade para atuação do profissional
aprovado_vaga	Indicativo (1/0) se o candidato passou foi aprovado no processo em questão. O valor 1 é relativo a candidatos que foram aprovados e o valor 0 (zero) à candidatos não aprovados

Base de dados (submissão)

Para predição do modelo treinado você deverá utilizar o arquivo base_submission.pkl este arquivo contém os mesmos campos da base de treinamento / testes com exceção do campo target aprovado_vaga que foi removido desta base.

Ao final da predição você deverá exportar um arquivo de submissão chamado resultado.pkl com o resultado da predição nos valores 1 ou 0 para as predições de aprovado ou não aprovado (por favor utilize o formato de arquivo pickle)

O arquivo deverá conter apenas uma coluna chamada aprovado_vaga onde cada linha deverá ser o retorno vinculado aos dados do arquivo base_submission.pkl na mesma ordem do arquivo original.

Avaliação

Para avaliação do desafio serão analisados o resultado alcançado com a predição utilizando a métrica F1-Score e também o raciocínio lógico aplicado pelo candidato no desafio à vaga de Cientista de Dados. Para isso, solicitamos que também seja disponibilizado o arquivo jupyter (.ipynb) com o código utilizado para estudo e treinamento do modelo.

Considerações finais

Esperamos que você se divirta codificando essa solução. Estamos aqui ([email protected]) caso surjam dúvidas durante o desenvolvimento.

Boa sorte :)