Spaces:
Sleeping
Sleeping
File size: 65,762 Bytes
a8994db |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790 791 792 793 794 795 796 797 798 799 800 801 802 803 804 805 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845 846 847 848 849 850 851 852 853 854 855 856 857 858 859 860 861 862 863 864 865 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880 881 882 883 884 885 886 887 888 889 890 891 892 893 894 895 896 897 898 899 900 901 902 903 904 905 906 907 908 909 910 911 912 913 914 915 916 917 918 919 920 921 922 923 924 925 926 927 928 929 930 931 932 933 934 935 936 937 938 939 940 941 942 943 944 945 946 947 948 949 950 951 952 953 954 955 956 957 958 959 960 961 962 963 964 965 966 967 968 969 970 971 972 973 974 975 976 977 978 979 980 981 982 983 984 985 986 987 988 989 990 991 992 993 994 995 996 997 998 999 1000 1001 1002 1003 1004 1005 1006 1007 1008 1009 1010 1011 1012 1013 1014 1015 1016 1017 1018 1019 1020 1021 1022 1023 1024 1025 1026 1027 1028 1029 1030 1031 1032 1033 1034 1035 1036 1037 1038 1039 1040 1041 1042 1043 1044 1045 1046 1047 1048 1049 1050 1051 1052 1053 1054 1055 1056 1057 1058 1059 1060 1061 1062 1063 1064 1065 1066 1067 1068 1069 1070 1071 1072 1073 1074 1075 1076 1077 1078 1079 1080 1081 1082 1083 1084 1085 1086 1087 1088 1089 1090 1091 1092 1093 1094 1095 1096 1097 1098 1099 1100 1101 1102 1103 1104 1105 1106 1107 1108 1109 1110 1111 1112 1113 1114 1115 1116 1117 1118 1119 1120 1121 1122 1123 1124 1125 1126 1127 1128 1129 1130 1131 1132 1133 1134 1135 1136 1137 1138 1139 1140 1141 1142 1143 1144 1145 1146 1147 1148 1149 1150 1151 1152 1153 1154 1155 1156 1157 1158 1159 1160 1161 1162 1163 1164 1165 1166 1167 1168 1169 1170 1171 1172 1173 1174 1175 1176 1177 1178 1179 1180 1181 1182 1183 1184 1185 1186 1187 1188 1189 1190 1191 1192 1193 1194 1195 1196 1197 1198 1199 1200 1201 1202 1203 1204 1205 1206 1207 1208 1209 1210 1211 1212 1213 1214 1215 1216 1217 1218 1219 1220 1221 1222 1223 1224 1225 1226 1227 1228 1229 1230 1231 1232 1233 1234 1235 1236 1237 1238 1239 1240 1241 1242 1243 1244 1245 1246 |
{
"cells": [
{
"cell_type": "markdown",
"metadata": {},
"source": [
"## 0. Preparaci贸n del notebook"
]
},
{
"cell_type": "code",
"execution_count": 1,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"API key: sk-proj-****************************************************************************************************************************************************-amA_5sA\n"
]
}
],
"source": [
"import os\n",
"import pandas as pd\n",
"import json\n",
"import textwrap\n",
"from scipy import spatial\n",
"from datetime import datetime\n",
"from openai import OpenAI\n",
"from dotenv import load_dotenv\n",
"\n",
"from IPython.display import display # S贸lo para la ejecuci贸n en Jupyter\n",
"\n",
"load_dotenv(\"../../../../../../../apis/.env\")\n",
"api_key = os.getenv(\"OPENAI_API_KEY\")\n",
"unmasked_chars = 8\n",
"masked_key = api_key[:unmasked_chars] + '*' * (len(api_key) - unmasked_chars*2) + api_key[-unmasked_chars:]\n",
"print(f\"API key: {masked_key}\")"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"## 1. Funciones de procesamiento de datos y c谩lculo de puntuaci贸n"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": [
"class ProcesadorCV:\n",
"\n",
" def __init__(self, api_key, cv_text, job_text, ner_pre_prompt, ner_schema,\n",
" inference_model=\"gpt-4o-mini\", embeddings_model=\"text-embedding-3-small\"):\n",
" \"\"\"\n",
" Inicializa una instancia de la clase con los par谩metros proporcionados.\n",
"\n",
" Args:\n",
" api_key (str): La clave de API para autenticar con el cliente OpenAI.\n",
" cv_text (str): contenido del CV en formato de texto.\n",
" job_text (str): t铆tulo de la oferta de trabajo a evaluar.\n",
" ner_pre_prompt (str): instrucci贸n de \"reconocimiento de entidades nombradas\" (NER) para el modelo en lenguaje natural.\n",
" ner_schema (dict): esquema para la llamada con \"structured outputs\" al modelo de OpenAI.\n",
" inference_model (str, opcional): El modelo de inferencia a utilizar. Por defecto es \"gpt-4o-mini\".\n",
" embeddings_model (str, opcional): El modelo de embeddings a utilizar. Por defecto es \"text-embedding-3-small\".\n",
"\n",
" Atributos:\n",
" inference_model (str): Almacena el modelo de inferencia seleccionado.\n",
" embeddings_model (str): Almacena el modelo de embeddings seleccionado.\n",
" client (OpenAI): Instancia del cliente OpenAI inicializada con la clave de API proporcionada.\n",
" cv (str): Almacena el texto del curr铆culum vitae proporcionado.\n",
"\n",
" \"\"\"\n",
" self.inference_model = inference_model\n",
" self.embeddings_model = embeddings_model\n",
" self.ner_pre_prompt = ner_pre_prompt\n",
" self.ner_schema = ner_schema\n",
" self.client = OpenAI(api_key=api_key)\n",
" self.cv = cv_text\n",
" self.job_text = job_text\n",
" print(\"Cliente inicializado como\",self.client)\n",
"\n",
" def extraer_datos_cv(self, temperature=0.5):\n",
" \"\"\"\n",
" Extrae datos estructurados de un CV con OpenAI API.\n",
" Args:\n",
" pre_prompt (str): instrucci贸n para el modelo en lenguaje natural.\n",
" schema (dict): esquema de los par谩metros que se espera extraer del CV.\n",
" temperature (float, optional): valor de temperatura para el modelo de lenguaje. Por defecto es 0.5.\n",
" Returns:\n",
" pd.DataFrame: DataFrame con los datos estructurados extra铆dos del CV.\n",
" Raises:\n",
" ValueError: si no se pueden extraer datos estructurados del CV.\n",
" \"\"\"\n",
" response = self.client.chat.completions.create(\n",
" model=self.inference_model,\n",
" temperature=temperature,\n",
" messages=[\n",
" {\"role\": \"system\", \"content\": self.ner_pre_prompt},\n",
" {\"role\": \"user\", \"content\": self.cv}\n",
" ],\n",
" functions=[\n",
" {\n",
" \"name\": \"extraer_datos_cv\",\n",
" \"description\": \"Extrae tabla con t铆tulos de puesto de trabajo, nombres de empresa y per铆odos de un CV.\",\n",
" \"parameters\": self.ner_schema\n",
" }\n",
" ],\n",
" function_call=\"auto\"\n",
" )\n",
"\n",
" if response.choices[0].message.function_call:\n",
" function_call = response.choices[0].message.function_call\n",
" structured_output = json.loads(function_call.arguments)\n",
" if structured_output.get(\"experiencia\"):\n",
" df_cv = pd.DataFrame(structured_output[\"experiencia\"]) \n",
" return df_cv\n",
" else:\n",
" raise ValueError(f\"No se han podido extraer datos estructurados: {response.choices[0].message.content}\")\n",
" else:\n",
" raise ValueError(f\"No se han podido extraer datos estructurados: {response.choices[0].message.content}\")\n",
" \n",
"\n",
" def procesar_periodos(self, df): \n",
" \"\"\"\n",
" Procesa los per铆odos en un DataFrame y a帽ade columnas con las fechas de inicio, fin y duraci贸n en meses. \n",
" Si no hay fecha de fin, se considera la fecha actual.\n",
" Args:\n",
" df (pandas.DataFrame): DataFrame que contiene una columna 'periodo' con per铆odos en formato 'YYYYMM-YYYYMM' o 'YYYYMM'.\n",
" Returns:\n",
" pandas.DataFrame: DataFrame con columnas adicionales 'fec_inicio', 'fec_final' y 'duracion'.\n",
" - 'fec_inicio' (datetime.date): Fecha de inicio del per铆odo.\n",
" - 'fec_final' (datetime.date): Fecha de fin del per铆odo.\n",
" - 'duracion' (int): Duraci贸n del per铆odo en meses.\n",
" \"\"\"\n",
" # Funci贸n lambda para procesar el per铆odo\n",
" def split_periodo(periodo):\n",
" dates = periodo.split('-')\n",
" start_date = datetime.strptime(dates[0], \"%Y%m\")\n",
" if len(dates) > 1:\n",
" end_date = datetime.strptime(dates[1], \"%Y%m\")\n",
" else:\n",
" end_date = datetime.now()\n",
" return start_date, end_date\n",
"\n",
" df[['fec_inicio', 'fec_final']] = df['periodo'].apply(lambda x: pd.Series(split_periodo(x)))\n",
"\n",
" # Formateamos las fechas para mostrar mes, a帽o, y el primer d铆a del mes (dado que el d铆a es irrelevante y no se suele especificar)\n",
" df['fec_inicio'] = df['fec_inicio'].dt.date\n",
" df['fec_final'] = df['fec_final'].dt.date\n",
"\n",
" # A帽adimos una columna con la duraci贸n en meses\n",
" df['duracion'] = df.apply(\n",
" lambda row: (row['fec_final'].year - row['fec_inicio'].year) * 12 + \n",
" row['fec_final'].month - row['fec_inicio'].month, \n",
" axis=1\n",
" )\n",
"\n",
" return df\n",
"\n",
"\n",
" def calcular_embeddings(self, df, column='puesto', model_name='text-embedding-3-small'):\n",
" \"\"\"\n",
" Calcula los embeddings de una columna de un dataframe con OpenAI API.\n",
" Args:\n",
" cv_df (pandas.DataFrame): DataFrame con los datos de los CV.\n",
" column (str, optional): Nombre de la columna que contiene los datos a convertir en embeddings. Por defecto es 'puesto'.\n",
" model_name (str, optional): Nombre del modelo de embeddings. Por defecto es 'text-embedding-3-small'.\n",
" \"\"\"\n",
" df['embeddings'] = df[column].apply(\n",
" lambda puesto: self.client.embeddings.create(\n",
" input=puesto, \n",
" model=model_name\n",
" ).data[0].embedding\n",
" )\n",
" return df\n",
"\n",
"\n",
" def calcular_distancias(self, df, column='embeddings', model_name='text-embedding-3-small'):\n",
" \"\"\"\n",
" Calcula la distancia coseno entre los embeddings del texto y los incluidos en una columna del dataframe.\n",
" Params:\n",
" df (pandas.DataFrame): DataFrame que contiene los embeddings.\n",
" column (str, optional): nombre de la columna del DataFrame que contiene los embeddings. Por defecto, 'embeddings'.\n",
" model_name (str, optional): modelo de embeddings de la API de OpenAI. Por defecto \"text-embedding-3-small\".\n",
" Returns:\n",
" pandas.DataFrame: DataFrame ordenado de menor a mayor distancia, con las distancias en una nueva columna.\n",
" \"\"\"\n",
" response = self.client.embeddings.create(\n",
" input=self.job_text,\n",
" model=model_name\n",
" )\n",
" emb_compare = response.data[0].embedding\n",
"\n",
" df['distancia'] = df[column].apply(lambda emb: spatial.distance.cosine(emb, emb_compare))\n",
" df.drop(columns=[column], inplace=True)\n",
" df.sort_values(by='distancia', ascending=True, inplace=True)\n",
" return df\n",
"\n",
"\n",
" def calcular_puntuacion(self, df, req_experience, positions_cap=4, dist_threshold_low=0.6, dist_threshold_high=0.7):\n",
" \"\"\"\n",
" Calcula la puntuaci贸n de un CV a partir de su tabla de distancias (con respecto a un puesto dado) y duraciones. \n",
"\n",
" Params:\n",
" df (pandas.DataFrame): datos de un CV incluyendo diferentes experiencias incluyendo duracies y distancia previamente calculadas sobre los embeddings de un puesto de trabajo\n",
" req_experience (float): experiencia requerida en meses para el puesto de trabajo (valor de referencia para calcular una puntuaci贸n entre 0 y 100 en base a diferentes experiencias)\n",
" positions_cap (int, optional): Maximum number of positions to consider for scoring. Defaults to 4.\n",
" dist_threshold_low (float, optional): Distancia entre embeddings a partir de la cual el puesto del CV se considera \"equivalente\" al de la oferta.\n",
" max_dist_threshold (float, optional): Distancia entre embeddings a partir de la cual el puesto del CV no punt煤a.\n",
" \n",
" Returns:\n",
" pandas.DataFrame: DataFrame original a帽adiendo una columna con las puntuaciones individuales contribuidas por cada puesto.\n",
" float: Puntuaci贸n total entre 0 y 100.\n",
" \"\"\"\n",
" # A efectos de puntuaci贸n, computamos para cada puesto como m谩ximo el n煤mero total de meses de experiencia requeridos\n",
" df['duration_capped'] = df['duracion'].apply(lambda x: min(x, req_experience))\n",
" # Normalizamos la distancia entre 0 y 1, siendo 0 la distancia m铆nima y 1 la m谩xima\n",
" df['adjusted_distance'] = df['distancia'].apply(\n",
" lambda x: 0 if x <= dist_threshold_low else (\n",
" 1 if x >= dist_threshold_high else (x - dist_threshold_low) / (dist_threshold_high - dist_threshold_low)\n",
" )\n",
" )\n",
" # Cada puesto punt煤a en base a su duraci贸n y a la inversa de la distancia (a menor distancia, mayor puntuaci贸n)\n",
" df['position_score'] = round(((1 - df['adjusted_distance']) * (df['duration_capped']/req_experience) * 100), 2)\n",
" # Descartamos puestos con distancia superior al umbral definido (asignamos puntuaci贸n 0), y ordenamos por puntuaci贸n\n",
" df.loc[df['distancia'] >= dist_threshold_high, 'position_score'] = 0\n",
" df = df.sort_values(by='position_score', ascending=False)\n",
" # Nos quedamos con los puestos con mayor puntuaci贸n (positions_cap)\n",
" df.iloc[positions_cap:, df.columns.get_loc('position_score')] = 0\n",
" # Totalizamos (no deber铆a superar 100 nunca, pero ponemos un l铆mite para asegurar) y redondeamos a dos decimales\n",
" total_score = round(min(df['position_score'].sum(), 100), 2)\n",
" return df, total_score\n",
" \n",
" def filtra_experiencia_relevante(self, df):\n",
" \"\"\"\n",
" Filtra las experiencias relevantes del dataframe y las devuelve en formato diccionario.\n",
" Args:\n",
" df (pandas.DataFrame): DataFrame con la informaci贸n completa de experiencia.\n",
" Returns:\n",
" dict: Diccionario con las experiencias relevantes.\n",
" \"\"\"\n",
" df_experiencia = df[df['position_score'] > 0].copy()\n",
" df_experiencia.drop(columns=['periodo', 'fec_inicio', 'fec_final', \n",
" 'distancia', 'duration_capped', 'adjusted_distance'], inplace=True)\n",
" experiencia_dict = df_experiencia.to_dict(orient='list')\n",
" return experiencia_dict\n",
" \n",
" def procesar_cv_completo(self, req_experience, positions_cap, dist_threshold_low, dist_threshold_high):\n",
" \"\"\"\n",
" Procesa un CV y calcula la puntuaci贸n final.\n",
" Args:\n",
" req_experience (int, optional): Experiencia requerida en meses para el puesto de trabajo.\n",
" positions_cap (int, optional): N煤mero m谩ximo de puestos a considerar para la puntuaci贸n.\n",
" dist_threshold_low (float, optional): Distancia l铆mite para considerar un puesto equivalente.\n",
" dist_threshold_high (float, optional): Distancia l铆mite para considerar un puesto no relevante.\n",
" Returns:\n",
" pd.DataFrame: DataFrame con las puntuaciones individuales contribuidas por cada puesto.\n",
" float: Puntuaci贸n total entre 0 y 100.\n",
" \"\"\"\n",
" df_datos_estructurados_cv = self.extraer_datos_cv()\n",
" df_datos_estructurados_cv = self.procesar_periodos(df_datos_estructurados_cv)\n",
" df_con_embeddings = self.calcular_embeddings(df_datos_estructurados_cv)\n",
" df_con_distancias = self.calcular_distancias(df_con_embeddings)\n",
" df_puntuaciones, puntuacion = self.calcular_puntuacion(df_con_distancias,\n",
" req_experience=req_experience,\n",
" positions_cap=positions_cap,\n",
" dist_threshold_low=dist_threshold_low,\n",
" dist_threshold_high=dist_threshold_high)\n",
" dict_experiencia = self.filtra_experiencia_relevante(df_puntuaciones)\n",
" return df_puntuaciones, puntuacion, dict_experiencia"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"### 2. Proceso completo de c谩lculo de puntuaci贸n"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"En el siguiente bloque, podemos introducir cualquier texto de oferta, un CV, y obtener las puntuaciones y el DataFrame con los c谩lculos:"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"Cliente inicializado como <openai.OpenAI object at 0x00000159FCE43C90>\n",
"Puntuaci贸n: 89.0/100\n"
]
},
{
"data": {
"text/html": [
"<div>\n",
"<style scoped>\n",
" .dataframe tbody tr th:only-of-type {\n",
" vertical-align: middle;\n",
" }\n",
"\n",
" .dataframe tbody tr th {\n",
" vertical-align: top;\n",
" }\n",
"\n",
" .dataframe thead th {\n",
" text-align: right;\n",
" }\n",
"</style>\n",
"<table border=\"1\" class=\"dataframe\">\n",
" <thead>\n",
" <tr style=\"text-align: right;\">\n",
" <th></th>\n",
" <th>empresa</th>\n",
" <th>puesto</th>\n",
" <th>periodo</th>\n",
" <th>fec_inicio</th>\n",
" <th>fec_final</th>\n",
" <th>duracion</th>\n",
" <th>distancia</th>\n",
" <th>duration_capped</th>\n",
" <th>adjusted_distance</th>\n",
" <th>position_score</th>\n",
" </tr>\n",
" </thead>\n",
" <tbody>\n",
" <tr>\n",
" <th>1</th>\n",
" <td>Mercadona</td>\n",
" <td>Vendedor/a de puesto de mercado</td>\n",
" <td>202310-202403</td>\n",
" <td>2023-10-01</td>\n",
" <td>2024-03-01</td>\n",
" <td>5</td>\n",
" <td>0.56</td>\n",
" <td>5</td>\n",
" <td>0.00</td>\n",
" <td>41.67</td>\n",
" </tr>\n",
" <tr>\n",
" <th>3</th>\n",
" <td>GASTROTEKA ORDIZIA 1990</td>\n",
" <td>Camarero/a de barra</td>\n",
" <td>202303-202309</td>\n",
" <td>2023-03-01</td>\n",
" <td>2023-09-01</td>\n",
" <td>6</td>\n",
" <td>0.59</td>\n",
" <td>6</td>\n",
" <td>0.18</td>\n",
" <td>40.87</td>\n",
" </tr>\n",
" <tr>\n",
" <th>2</th>\n",
" <td>AGRISOLUTIONS</td>\n",
" <td>AUXILIAR DE MANTENIMIENTO INDUSTRIAL</td>\n",
" <td>202001-202401</td>\n",
" <td>2020-01-01</td>\n",
" <td>2024-01-01</td>\n",
" <td>48</td>\n",
" <td>0.62</td>\n",
" <td>12</td>\n",
" <td>0.94</td>\n",
" <td>6.47</td>\n",
" </tr>\n",
" <tr>\n",
" <th>0</th>\n",
" <td>Aut贸nomo</td>\n",
" <td>Comercial de automoviles</td>\n",
" <td>202401-202402</td>\n",
" <td>2024-01-01</td>\n",
" <td>2024-02-01</td>\n",
" <td>1</td>\n",
" <td>0.63</td>\n",
" <td>1</td>\n",
" <td>1.00</td>\n",
" <td>0.00</td>\n",
" </tr>\n",
" <tr>\n",
" <th>5</th>\n",
" <td>Bellota Herramientas</td>\n",
" <td>Personal de mantenimiento</td>\n",
" <td>202005-202011</td>\n",
" <td>2020-05-01</td>\n",
" <td>2020-11-01</td>\n",
" <td>6</td>\n",
" <td>0.65</td>\n",
" <td>6</td>\n",
" <td>1.00</td>\n",
" <td>0.00</td>\n",
" </tr>\n",
" <tr>\n",
" <th>4</th>\n",
" <td>ZEREGUIN ZERBITZUAK</td>\n",
" <td>limpieza industrial</td>\n",
" <td>202012-202305</td>\n",
" <td>2020-12-01</td>\n",
" <td>2023-05-01</td>\n",
" <td>29</td>\n",
" <td>0.70</td>\n",
" <td>12</td>\n",
" <td>1.00</td>\n",
" <td>0.00</td>\n",
" </tr>\n",
" </tbody>\n",
"</table>\n",
"</div>"
],
"text/plain": [
" empresa puesto \\\n",
"1 Mercadona Vendedor/a de puesto de mercado \n",
"3 GASTROTEKA ORDIZIA 1990 Camarero/a de barra \n",
"2 AGRISOLUTIONS AUXILIAR DE MANTENIMIENTO INDUSTRIAL \n",
"0 Aut贸nomo Comercial de automoviles \n",
"5 Bellota Herramientas Personal de mantenimiento \n",
"4 ZEREGUIN ZERBITZUAK limpieza industrial \n",
"\n",
" periodo fec_inicio fec_final duracion distancia \\\n",
"1 202310-202403 2023-10-01 2024-03-01 5 0.56 \n",
"3 202303-202309 2023-03-01 2023-09-01 6 0.59 \n",
"2 202001-202401 2020-01-01 2024-01-01 48 0.62 \n",
"0 202401-202402 2024-01-01 2024-02-01 1 0.63 \n",
"5 202005-202011 2020-05-01 2020-11-01 6 0.65 \n",
"4 202012-202305 2020-12-01 2023-05-01 29 0.70 \n",
"\n",
" duration_capped adjusted_distance position_score \n",
"1 5 0.00 41.67 \n",
"3 6 0.18 40.87 \n",
"2 12 0.94 6.47 \n",
"0 1 1.00 0.00 \n",
"5 6 1.00 0.00 \n",
"4 12 1.00 0.00 "
]
},
"metadata": {},
"output_type": "display_data"
},
{
"name": "stdout",
"output_type": "stream",
"text": [
"{'empresa': ['Mercadona', 'GASTROTEKA ORDIZIA 1990', 'AGRISOLUTIONS'], 'puesto': ['Vendedor/a de puesto de mercado', 'Camarero/a de barra', 'AUXILIAR DE MANTENIMIENTO INDUSTRIAL'], 'duracion': [5, 6, 48], 'position_score': [41.67, 40.87, 6.47]}\n"
]
}
],
"source": [
"# Definimos la oferta de trabajo:\n",
"job_text = \"Cajero supermercado Dia\"\n",
"\n",
"# Cargamos el esquema:\n",
"with open('../json/ner_schema.json', 'r', encoding='utf-8') as schema_file:\n",
" ner_schema = json.load(schema_file)\n",
"\n",
"# Cargamos el CV:\n",
"cv_sample_path = '../../ejemplos_cvs/cv_sample.txt' # Ruta al fichero de texto con un curr铆culo de ejemplo\n",
"with open(cv_sample_path, 'r') as file:\n",
" cv_text = file.read()\n",
"\n",
"# Cargamos el prompt para NER:\n",
"with open('../prompts/ner_pre_prompt.txt', 'r', encoding='utf-8') as file:\n",
" ner_pre_prompt = file.read()\n",
"\n",
"procesador_cvs = ProcesadorCV(api_key, cv_text, job_text, ner_pre_prompt, ner_schema)\n",
"req_experience = 12 # Experiencia requerida en meses\n",
"positions_cap=4 # N煤mero m谩ximo de puestos a considerar\n",
"dist_threshold_low=0.58 # Distancia l铆mite para considerar un puesto equivalente\n",
"dist_threshold_high=0.62 # Distancia l铆mite para considerar un puesto no relevante\n",
"df_puntuaciones, puntuacion, dict_experiencia = procesador_cvs.procesar_cv_completo(req_experience=req_experience,\n",
" positions_cap=positions_cap,\n",
" dist_threshold_low=dist_threshold_low,\n",
" dist_threshold_high=dist_threshold_high\n",
" )\n",
"\n",
"print(f\"Puntuaci贸n: {puntuacion:.1f}/100\")\n",
"pd.options.display.float_format = '{:,.2f}'.format\n",
"display(df_puntuaciones)\n",
"pd.reset_option('display.float_format')\n",
"print(dict_experiencia)"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"### 3. Llamada final al modelo de lenguaje"
]
},
{
"cell_type": "code",
"execution_count": 35,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"Cliente inicializado como <openai.OpenAI object at 0x00000159FCC15250>\n"
]
}
],
"source": [
"client = OpenAI(api_key=api_key)\n",
"print(\"Cliente inicializado como\",client)"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"Definimos un esquema para la respuesta final:"
]
},
{
"cell_type": "code",
"execution_count": 36,
"metadata": {},
"outputs": [],
"source": [
"response_schema = {\n",
" \"type\": \"object\",\n",
" \"properties\": {\n",
" \"puntuacion\": {\"type\": \"number\"},\n",
" \"experiencia\": {\n",
" \"type\": \"array\",\n",
" \"items\": {\n",
" \"type\": \"object\",\n",
" \"properties\": {\n",
" \"empresa\": {\"type\": \"string\"},\n",
" \"puesto\": {\"type\": \"string\"},\n",
" \"duracion\": {\"type\": \"integer\"}\n",
" },\n",
" \"required\": [\"empresa\", \"puesto\", \"duracion\"]\n",
" }\n",
" },\n",
" \"descripcion de la experiencia\": {\"type\": \"string\"}\n",
" },\n",
" \"required\": [\"puntuacion\", \"experiencia relevante\", \"descripcion de la experiencia\"]\n",
"}\n",
"\n",
"# Guardamos el esquema en un fichero JSON\n",
"with open('../json/response_schema.json', 'w', encoding='utf-8') as f:\n",
" json.dump(response_schema, f, ensure_ascii=False, indent=4)"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"{'type': 'object', 'properties': {'puntuacion': {'type': 'number'}, 'experiencia': {'type': 'array', 'items': {'type': 'object', 'properties': {'empresa': {'type': 'string'}, 'puesto': {'type': 'string'}, 'duracion': {'type': 'integer'}}, 'required': ['empresa', 'puesto', 'duracion']}}, 'descripcion de la experiencia': {'type': 'string'}}, 'required': ['puntuacion', 'experiencia relevante', 'descripcion de la experiencia']}\n"
]
}
],
"source": [
"# Recuperamos el esquema desde el fichero JSON guardado (para comprobar que funciona, ya que el c贸digo final utilizar谩 el fichero)\n",
"with open('../json/response_schema.json', 'r', encoding='utf-8') as f:\n",
" response_schema = json.load(f)\n",
"\n",
"print(response_schema)"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"Creamos un \"system prompt\" (instrucci贸n general) y un \"user prompt\" (instrucci贸n con contexto espec铆fico: puntuaci贸n y datos estructurados) para la inferencia final:"
]
},
{
"cell_type": "code",
"execution_count": 38,
"metadata": {},
"outputs": [],
"source": [
"system_prompt = (\"Eres un procesador de curr铆culos vitae que recibe una oferta de trabajo un curr铆culum vitae filtrado \"\n",
" \"la experiencia relevante previa, una puntuaci贸n precalculada para el curr铆culo entre 0 y 100, \"\n",
" \"y un par谩metro de experiencia requerida en meses. \"\n",
" \"La puntuaci贸n se ha calculado mediante un algoritmo que usa distancias de embeddings entre cada uno de los puestos \"\n",
" \"y la definici贸n de la oferta, as铆 como la duraci贸n de cada puesto y su relaci贸n con el par谩metro de experiencia requerida. \"\n",
" \"Devuelves un objeto con el esquema predefinido,\"\n",
" \"incluyendo exactamente la misma puntuaci贸n proporcionada, el listado de experiencia proporcionado \"\n",
" \"y adem谩s devuelves un breve texto explicativo sobre la experiencia del candidato y \"\n",
" \"por qu茅 ha obtenido la puntuaci贸n dada. Es importante que el texto explicativo sea coherente con la puntuaci贸n. \"\n",
" \"Por ejemplo, si la puntuaci贸n es mayor que 80, el texto explicativo debe hacer 茅nfasis en las experiencias pasadas \"\n",
" \"y la duraci贸n de las mismas que han llevado a esa puntuaci贸n. \"\n",
" \"Cuando menciones algo en relaci贸n a la duraci贸n de la experiencia, aseg煤rate de convertirlo a a帽os si es mayor que 12 meses.\"\n",
" )\n",
"\n",
"user_prompt = (\"El t铆tulo de la oferta de trabajo es: {job}.\" \n",
" \"La experiencia requerida en meses es: {req_experience}.\" \n",
" \"La puntuacion es {puntuacion}, \"\n",
" \"La experiencia relevante es: {exp}. \"\n",
" \"Explica por qu茅 se ha obtenido la puntuaci贸n\"\n",
" )\n",
"\n",
"\n",
"# Los guardamos en ficheros de texto para simplificar el c贸digo y facilitar su mantenimiento y edici贸n:\n",
"with open('../prompts/system_prompt.txt', 'w', encoding='utf-8') as f:\n",
" f.write(system_prompt)\n",
"\n",
"with open('../prompts/user_prompt.txt', 'w', encoding='utf-8') as f:\n",
" f.write(user_prompt)"
]
},
{
"cell_type": "code",
"execution_count": 39,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"### System prompt ###\n",
"Eres un procesador de curr铆culos vitae que recibe una oferta de trabajo un curr铆culum vitae filtrado la experiencia\n",
"relevante previa, una puntuaci贸n precalculada para el curr铆culo entre 0 y 100, y un par谩metro de experiencia requerida\n",
"en meses. La puntuaci贸n se ha calculado mediante un algoritmo que usa distancias de embeddings entre cada uno de los\n",
"puestos y la definici贸n de la oferta, as铆 como la duraci贸n de cada puesto y su relaci贸n con el par谩metro de experiencia\n",
"requerida. Devuelves un objeto con el esquema predefinido,incluyendo exactamente la misma puntuaci贸n proporcionada, el\n",
"listado de experiencia proporcionado y adem谩s devuelves un breve texto explicativo sobre la experiencia del candidato y\n",
"por qu茅 ha obtenido la puntuaci贸n dada. Es importante que el texto explicativo sea coherente con la puntuaci贸n. Por\n",
"ejemplo, si la puntuaci贸n es mayor que 80, el texto explicativo debe hacer 茅nfasis en las experiencias pasadas y la\n",
"duraci贸n de las mismas que han llevado a esa puntuaci贸n. Cuando menciones algo en relaci贸n a la duraci贸n de la\n",
"experiencia, aseg煤rate de convertirlo a a帽os si es mayor que 12 meses.\n",
"\n",
"### User prompt ###\n",
"El t铆tulo de la oferta de trabajo es: Cajero supermercado Dia.La experiencia requerida en meses es: 12.La puntuacion es\n",
"89.01, La experiencia relevante es: {'empresa': ['Mercadona', 'GASTROTEKA ORDIZIA 1990', 'AGRISOLUTIONS'], 'puesto':\n",
"['Vendedor/a de puesto de mercado', 'Camarero/a de barra', 'AUXILIAR DE MANTENIMIENTO INDUSTRIAL'], 'duracion': [5, 6,\n",
"48], 'position_score': [41.67, 40.87, 6.47]}. Explica por qu茅 se ha obtenido la puntuaci贸n\n"
]
}
],
"source": [
"# Recuperamos los ficheros guardados para comprobar que est谩n bien:\n",
"with open('../prompts/system_prompt.txt', 'r', encoding='utf-8') as f:\n",
" system_prompt = f.read()\n",
"\n",
"with open('../prompts/user_prompt.txt', 'r', encoding='utf-8') as f:\n",
" user_prompt = f.read()\n",
"\n",
"print(\"### System prompt ###\")\n",
"print(textwrap.fill(system_prompt, width=120))\n",
"# En el caso del prompt del usuario, el texto contiene variables que ser谩n reemplazadas por los valores correspondientes.\n",
"# Por ejemplo, usamos las definidas en este notebook para visualizar el texto que finalmente recibir谩 el modelo.\n",
"print(\"\\n### User prompt ###\")\n",
"user_prompt_con_contexto = user_prompt.format(job=job_text, req_experience=req_experience,puntuacion=puntuacion, exp=dict_experiencia)\n",
"print(textwrap.fill(user_prompt_con_contexto, width=120))"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"Respuesta:\n",
" {\n",
" \"puntuacion\": 89.01,\n",
" \"experiencia\": [\n",
" {\n",
" \"empresa\": \"Mercadona\",\n",
" \"puesto\": \"Vendedor/a de puesto de mercado\",\n",
" \"duracion\": 5\n",
" },\n",
" {\n",
" \"empresa\": \"GASTROTEKA ORDIZIA 1990\",\n",
" \"puesto\": \"Camarero/a de barra\",\n",
" \"duracion\": 6\n",
" },\n",
" {\n",
" \"empresa\": \"AGRISOLUTIONS\",\n",
" \"puesto\": \"AUXILIAR DE MANTENIMIENTO INDUSTRIAL\",\n",
" \"duracion\": 48\n",
" }\n",
" ],\n",
" \"descripcion de la experiencia\": \"El candidato ha acumulado una s贸lida experiencia en atenci贸n al cliente y manejo de operaciones de caja, especialmente a trav茅s de su trabajo en Mercadona como Vendedor/a de puesto de mercado durante 5 meses. Adem谩s, su paso por GASTROTEKA ORDIZIA 1990 como Camarero/a de barra durante 6 meses le ha permitido desarrollar habilidades interpersonales y de servicio al cliente. Por 煤ltimo, su experiencia de 48 meses en AGRISOLUTIONS como Auxiliar de Mantenimiento Industrial, aunque no directamente relacionada con el puesto de cajero, demuestra una s贸lida 茅tica de trabajo y capacidad para adaptarse a diferentes entornos laborales. La combinaci贸n de estas experiencias ha llevado a una puntuaci贸n alta de 89.01, reflejando una adecuada preparaci贸n para el puesto.\"\n",
"}\n",
"Descripci贸n de la experiencia:\n",
"El candidato ha acumulado una s贸lida experiencia en atenci贸n al cliente y manejo de operaciones de caja, especialmente a\n",
"trav茅s de su trabajo en Mercadona como Vendedor/a de puesto de mercado durante 5 meses. Adem谩s, su paso por GASTROTEKA\n",
"ORDIZIA 1990 como Camarero/a de barra durante 6 meses le ha permitido desarrollar habilidades interpersonales y de\n",
"servicio al cliente. Por 煤ltimo, su experiencia de 48 meses en AGRISOLUTIONS como Auxiliar de Mantenimiento Industrial,\n",
"aunque no directamente relacionada con el puesto de cajero, demuestra una s贸lida 茅tica de trabajo y capacidad para\n",
"adaptarse a diferentes entornos laborales. La combinaci贸n de estas experiencias ha llevado a una puntuaci贸n alta de\n",
"89.01, reflejando una adecuada preparaci贸n para el puesto.\n"
]
}
],
"source": [
"messages = [\n",
" {\n",
" \"role\": \"system\",\n",
" \"content\": system_prompt\n",
" },\n",
" {\n",
" \"role\": \"user\",\n",
" \"content\": user_prompt.format(job=job_text, req_experience=req_experience,puntuacion=puntuacion, exp=dict_experiencia)\n",
" }\n",
"]\n",
"\n",
"functions = [\n",
" {\n",
" \"name\": \"respuesta_formateada\",\n",
" \"description\": \"Devuelve el objeto con puntuacion, experiencia y descripcion de la experiencia\",\n",
" \"parameters\": response_schema\n",
" }\n",
"]\n",
"\n",
"response = client.chat.completions.create(\n",
" model=\"gpt-4o-mini\",\n",
" temperature=0.5,\n",
" messages=messages,\n",
" functions=functions,\n",
" function_call={\"name\": \"respuesta_formateada\"}\n",
")\n",
"\n",
"if response.choices[0].message.function_call:\n",
" function_call = response.choices[0].message.function_call\n",
" structured_output = json.loads(function_call.arguments)\n",
" print(\"Respuesta:\\n\", json.dumps(structured_output, indent=4, ensure_ascii=False))\n",
" wrapped_description = textwrap.fill(structured_output['descripcion de la experiencia'], width=120)\n",
" print(f\"Descripci贸n de la experiencia:\\n{wrapped_description}\")\n",
"else:\n",
" print(\"Error:\", response.choices[0].message.content)"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"### 4. Prueba final del c贸digo completo"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"Una vez comprobado el proceso completo, podemos encapsular todo el c贸digo en la clase definida al inicio de este notebook. Finalmente, guardaremos el m贸dulo en un fichero .py al que llamar谩 la interfaz de usuario a dise帽ar en el pr贸ximo notebook."
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": [
"class ProcesadorCV:\n",
"\n",
" def __init__(self, api_key, cv_text, job_text, ner_pre_prompt, system_prompt, user_prompt, ner_schema, response_schema,\n",
" inference_model=\"gpt-4o-mini\", embeddings_model=\"text-embedding-3-small\"):\n",
" \"\"\"\n",
" Inicializa una instancia de la clase con los par谩metros proporcionados.\n",
"\n",
" Args:\n",
" api_key (str): La clave de API para autenticar con el cliente OpenAI.\n",
" cv_text (str): contenido del CV en formato de texto.\n",
" job_text (str): t铆tulo de la oferta de trabajo a evaluar.\n",
" ner_pre_prompt (str): instrucci贸n de \"reconocimiento de entidades nombradas\" (NER) para el modelo en lenguaje natural.\n",
" system_prompt (str): instrucci贸n en lenguaje natural para la salida estructurada final.\n",
" user_prompt (str): instrucci贸n con los par谩metros y datos calculados en el preprocesamiento.\n",
" ner_schema (dict): esquema para la llamada con \"structured outputs\" al modelo de OpenAI para NER.\n",
" response_schema (dict): esquema para la respuesta final de la aplicaci贸n.\n",
" inference_model (str, opcional): El modelo de inferencia a utilizar. Por defecto es \"gpt-4o-mini\".\n",
" embeddings_model (str, opcional): El modelo de embeddings a utilizar. Por defecto es \"text-embedding-3-small\".\n",
"\n",
" Atributos:\n",
" inference_model (str): Almacena el modelo de inferencia seleccionado.\n",
" embeddings_model (str): Almacena el modelo de embeddings seleccionado.\n",
" client (OpenAI): Instancia del cliente OpenAI inicializada con la clave de API proporcionada.\n",
" cv (str): Almacena el texto del curr铆culum vitae proporcionado.\n",
"\n",
" \"\"\"\n",
" self.inference_model = inference_model\n",
" self.embeddings_model = embeddings_model\n",
" self.ner_pre_prompt = ner_pre_prompt\n",
" self.user_prompt = user_prompt\n",
" self.system_prompt = system_prompt\n",
" self.ner_schema = ner_schema\n",
" self.response_schema = response_schema\n",
" self.client = OpenAI(api_key=api_key)\n",
" self.cv = cv_text\n",
" self.job_text = job_text\n",
" print(\"Cliente inicializado como\",self.client)\n",
"\n",
" def extraer_datos_cv(self, temperature=0.5):\n",
" \"\"\"\n",
" Extrae datos estructurados de un CV con OpenAI API.\n",
" Args:\n",
" pre_prompt (str): instrucci贸n para el modelo en lenguaje natural.\n",
" schema (dict): esquema de los par谩metros que se espera extraer del CV.\n",
" temperature (float, optional): valor de temperatura para el modelo de lenguaje. Por defecto es 0.5.\n",
" Returns:\n",
" pd.DataFrame: DataFrame con los datos estructurados extra铆dos del CV.\n",
" Raises:\n",
" ValueError: si no se pueden extraer datos estructurados del CV.\n",
" \"\"\"\n",
" response = self.client.chat.completions.create(\n",
" model=self.inference_model,\n",
" temperature=temperature,\n",
" messages=[\n",
" {\"role\": \"system\", \"content\": self.ner_pre_prompt},\n",
" {\"role\": \"user\", \"content\": self.cv}\n",
" ],\n",
" functions=[\n",
" {\n",
" \"name\": \"extraer_datos_cv\",\n",
" \"description\": \"Extrae tabla con t铆tulos de puesto de trabajo, nombres de empresa y per铆odos de un CV.\",\n",
" \"parameters\": self.ner_schema\n",
" }\n",
" ],\n",
" function_call=\"auto\"\n",
" )\n",
"\n",
" if response.choices[0].message.function_call:\n",
" function_call = response.choices[0].message.function_call\n",
" structured_output = json.loads(function_call.arguments)\n",
" if structured_output.get(\"experiencia\"):\n",
" df_cv = pd.DataFrame(structured_output[\"experiencia\"]) \n",
" return df_cv\n",
" else:\n",
" raise ValueError(f\"No se han podido extraer datos estructurados: {response.choices[0].message.content}\")\n",
" else:\n",
" raise ValueError(f\"No se han podido extraer datos estructurados: {response.choices[0].message.content}\")\n",
" \n",
"\n",
" def procesar_periodos(self, df): \n",
" \"\"\"\n",
" Procesa los per铆odos en un DataFrame y a帽ade columnas con las fechas de inicio, fin y duraci贸n en meses. \n",
" Si no hay fecha de fin, se considera la fecha actual.\n",
" Args:\n",
" df (pandas.DataFrame): DataFrame que contiene una columna 'periodo' con per铆odos en formato 'YYYYMM-YYYYMM' o 'YYYYMM'.\n",
" Returns:\n",
" pandas.DataFrame: DataFrame con columnas adicionales 'fec_inicio', 'fec_final' y 'duracion'.\n",
" - 'fec_inicio' (datetime.date): Fecha de inicio del per铆odo.\n",
" - 'fec_final' (datetime.date): Fecha de fin del per铆odo.\n",
" - 'duracion' (int): Duraci贸n del per铆odo en meses.\n",
" \"\"\"\n",
" # Funci贸n lambda para procesar el per铆odo\n",
" def split_periodo(periodo):\n",
" dates = periodo.split('-')\n",
" start_date = datetime.strptime(dates[0], \"%Y%m\")\n",
" if len(dates) > 1:\n",
" end_date = datetime.strptime(dates[1], \"%Y%m\")\n",
" else:\n",
" end_date = datetime.now()\n",
" return start_date, end_date\n",
"\n",
" df[['fec_inicio', 'fec_final']] = df['periodo'].apply(lambda x: pd.Series(split_periodo(x)))\n",
"\n",
" # Formateamos las fechas para mostrar mes, a帽o, y el primer d铆a del mes (dado que el d铆a es irrelevante y no se suele especificar)\n",
" df['fec_inicio'] = df['fec_inicio'].dt.date\n",
" df['fec_final'] = df['fec_final'].dt.date\n",
"\n",
" # A帽adimos una columna con la duraci贸n en meses\n",
" df['duracion'] = df.apply(\n",
" lambda row: (row['fec_final'].year - row['fec_inicio'].year) * 12 + \n",
" row['fec_final'].month - row['fec_inicio'].month, \n",
" axis=1\n",
" )\n",
"\n",
" return df\n",
"\n",
"\n",
" def calcular_embeddings(self, df, column='puesto', model_name='text-embedding-3-small'):\n",
" \"\"\"\n",
" Calcula los embeddings de una columna de un dataframe con OpenAI API.\n",
" Args:\n",
" cv_df (pandas.DataFrame): DataFrame con los datos de los CV.\n",
" column (str, optional): Nombre de la columna que contiene los datos a convertir en embeddings. Por defecto es 'puesto'.\n",
" model_name (str, optional): Nombre del modelo de embeddings. Por defecto es 'text-embedding-3-small'.\n",
" \"\"\"\n",
" df['embeddings'] = df[column].apply(\n",
" lambda puesto: self.client.embeddings.create(\n",
" input=puesto, \n",
" model=model_name\n",
" ).data[0].embedding\n",
" )\n",
" return df\n",
"\n",
"\n",
" def calcular_distancias(self, df, column='embeddings', model_name='text-embedding-3-small'):\n",
" \"\"\"\n",
" Calcula la distancia coseno entre los embeddings del texto y los incluidos en una columna del dataframe.\n",
" Params:\n",
" df (pandas.DataFrame): DataFrame que contiene los embeddings.\n",
" column (str, optional): nombre de la columna del DataFrame que contiene los embeddings. Por defecto, 'embeddings'.\n",
" model_name (str, optional): modelo de embeddings de la API de OpenAI. Por defecto \"text-embedding-3-small\".\n",
" Returns:\n",
" pandas.DataFrame: DataFrame ordenado de menor a mayor distancia, con las distancias en una nueva columna.\n",
" \"\"\"\n",
" response = self.client.embeddings.create(\n",
" input=self.job_text,\n",
" model=model_name\n",
" )\n",
" emb_compare = response.data[0].embedding\n",
"\n",
" df['distancia'] = df[column].apply(lambda emb: spatial.distance.cosine(emb, emb_compare))\n",
" df.drop(columns=[column], inplace=True)\n",
" df.sort_values(by='distancia', ascending=True, inplace=True)\n",
" return df\n",
"\n",
"\n",
" def calcular_puntuacion(self, df, req_experience, positions_cap=4, dist_threshold_low=0.6, dist_threshold_high=0.7):\n",
" \"\"\"\n",
" Calcula la puntuaci贸n de un CV a partir de su tabla de distancias (con respecto a un puesto dado) y duraciones. \n",
"\n",
" Params:\n",
" df (pandas.DataFrame): datos de un CV incluyendo diferentes experiencias incluyendo duracies y distancia previamente calculadas sobre los embeddings de un puesto de trabajo\n",
" req_experience (float): experiencia requerida en meses para el puesto de trabajo (valor de referencia para calcular una puntuaci贸n entre 0 y 100 en base a diferentes experiencias)\n",
" positions_cap (int, optional): Maximum number of positions to consider for scoring. Defaults to 4.\n",
" dist_threshold_low (float, optional): Distancia entre embeddings a partir de la cual el puesto del CV se considera \"equivalente\" al de la oferta.\n",
" max_dist_threshold (float, optional): Distancia entre embeddings a partir de la cual el puesto del CV no punt煤a.\n",
" \n",
" Returns:\n",
" pandas.DataFrame: DataFrame original a帽adiendo una columna con las puntuaciones individuales contribuidas por cada puesto.\n",
" float: Puntuaci贸n total entre 0 y 100.\n",
" \"\"\"\n",
" # A efectos de puntuaci贸n, computamos para cada puesto como m谩ximo el n煤mero total de meses de experiencia requeridos\n",
" df['duration_capped'] = df['duracion'].apply(lambda x: min(x, req_experience))\n",
" # Normalizamos la distancia entre 0 y 1, siendo 0 la distancia m铆nima y 1 la m谩xima\n",
" df['adjusted_distance'] = df['distancia'].apply(\n",
" lambda x: 0 if x <= dist_threshold_low else (\n",
" 1 if x >= dist_threshold_high else (x - dist_threshold_low) / (dist_threshold_high - dist_threshold_low)\n",
" )\n",
" )\n",
" # Cada puesto punt煤a en base a su duraci贸n y a la inversa de la distancia (a menor distancia, mayor puntuaci贸n)\n",
" df['position_score'] = round(((1 - df['adjusted_distance']) * (df['duration_capped']/req_experience) * 100), 2)\n",
" # Descartamos puestos con distancia superior al umbral definido (asignamos puntuaci贸n 0), y ordenamos por puntuaci贸n\n",
" df.loc[df['distancia'] >= dist_threshold_high, 'position_score'] = 0\n",
" df = df.sort_values(by='position_score', ascending=False)\n",
" # Nos quedamos con los puestos con mayor puntuaci贸n (positions_cap)\n",
" df.iloc[positions_cap:, df.columns.get_loc('position_score')] = 0\n",
" # Totalizamos (no deber铆a superar 100 nunca, pero ponemos un l铆mite para asegurar) y redondeamos a dos decimales\n",
" total_score = round(min(df['position_score'].sum(), 100), 2)\n",
" return df, total_score\n",
" \n",
" def filtra_experiencia_relevante(self, df):\n",
" \"\"\"\n",
" Filtra las experiencias relevantes del dataframe y las devuelve en formato diccionario.\n",
" Args:\n",
" df (pandas.DataFrame): DataFrame con la informaci贸n completa de experiencia.\n",
" Returns:\n",
" dict: Diccionario con las experiencias relevantes.\n",
" \"\"\"\n",
" df_experiencia = df[df['position_score'] > 0].copy()\n",
" df_experiencia.drop(columns=['periodo', 'fec_inicio', 'fec_final', \n",
" 'distancia', 'duration_capped', 'adjusted_distance'], inplace=True)\n",
" experiencia_dict = df_experiencia.to_dict(orient='list')\n",
" return experiencia_dict\n",
" \n",
" def llamada_final(self, req_experience, puntuacion, dict_experiencia):\n",
" \"\"\"\n",
" Realiza la llamada final al modelo de lenguaje para generar la respuesta final.\n",
" Args:\n",
" req_experience (int): Experiencia requerida en meses para el puesto de trabajo.\n",
" puntuacion (float): Puntuaci贸n total del CV.\n",
" dict_experiencia (dict): Diccionario con las experiencias relevantes.\n",
" Returns:\n",
" dict: Diccionario con la respuesta final.\n",
" \"\"\"\n",
" messages = [\n",
" {\n",
" \"role\": \"system\",\n",
" \"content\": self.system_prompt\n",
" },\n",
" {\n",
" \"role\": \"user\",\n",
" \"content\": self.user_prompt.format(job=self.job_text, req_experience=req_experience,puntuacion=puntuacion, exp=dict_experiencia)\n",
" }\n",
" ]\n",
"\n",
" functions = [\n",
" {\n",
" \"name\": \"respuesta_formateada\",\n",
" \"description\": \"Devuelve el objeto con puntuacion, experiencia y descripcion de la experiencia\",\n",
" \"parameters\": self.response_schema\n",
" }\n",
" ]\n",
"\n",
" response = self.client.chat.completions.create(\n",
" model=self.inference_model,\n",
" temperature=0.5,\n",
" messages=messages,\n",
" functions=functions,\n",
" function_call={\"name\": \"respuesta_formateada\"}\n",
" )\n",
"\n",
" if response.choices[0].message.function_call:\n",
" function_call = response.choices[0].message.function_call\n",
" structured_output = json.loads(function_call.arguments)\n",
" print(\"Respuesta:\\n\", json.dumps(structured_output, indent=4, ensure_ascii=False))\n",
" wrapped_description = textwrap.fill(structured_output['descripcion de la experiencia'], width=120)\n",
" print(f\"Descripci贸n de la experiencia:\\n{wrapped_description}\")\n",
" return structured_output\n",
" else:\n",
" raise ValueError(f\"Error. No se ha podido generar respuesta:\\n {response.choices[0].message.content}\")\n",
" \n",
" def procesar_cv_completo(self, req_experience, positions_cap, dist_threshold_low, dist_threshold_high):\n",
" \"\"\"\n",
" Procesa un CV y calcula la puntuaci贸n final.\n",
" Args:\n",
" req_experience (int, optional): Experiencia requerida en meses para el puesto de trabajo.\n",
" positions_cap (int, optional): N煤mero m谩ximo de puestos a considerar para la puntuaci贸n.\n",
" dist_threshold_low (float, optional): Distancia l铆mite para considerar un puesto equivalente.\n",
" dist_threshold_high (float, optional): Distancia l铆mite para considerar un puesto no relevante.\n",
" Returns:\n",
" pd.DataFrame: DataFrame con las puntuaciones individuales contribuidas por cada puesto.\n",
" float: Puntuaci贸n total entre 0 y 100.\n",
" \"\"\"\n",
" df_datos_estructurados_cv = self.extraer_datos_cv()\n",
" df_datos_estructurados_cv = self.procesar_periodos(df_datos_estructurados_cv)\n",
" df_con_embeddings = self.calcular_embeddings(df_datos_estructurados_cv)\n",
" df_con_distancias = self.calcular_distancias(df_con_embeddings)\n",
" df_puntuaciones, puntuacion = self.calcular_puntuacion(df_con_distancias,\n",
" req_experience=req_experience,\n",
" positions_cap=positions_cap,\n",
" dist_threshold_low=dist_threshold_low,\n",
" dist_threshold_high=dist_threshold_high)\n",
" dict_experiencia = self.filtra_experiencia_relevante(df_puntuaciones)\n",
" dict_respuesta = self.llamada_final(req_experience, puntuacion, dict_experiencia)\n",
" return dict_respuesta"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"Cliente inicializado como <openai.OpenAI object at 0x00000159FD143790>\n",
"Respuesta:\n",
" {\n",
" \"puntuacion\": 68.6,\n",
" \"experiencia\": [\n",
" {\n",
" \"empresa\": \"AGRISOLUTIONS\",\n",
" \"puesto\": \"AUXILIAR DE MANTENIMIENTO INDUSTRIAL\",\n",
" \"duracion\": 48\n",
" },\n",
" {\n",
" \"empresa\": \"Mercadona\",\n",
" \"puesto\": \"Vendedor/a de puesto de mercado\",\n",
" \"duracion\": 5\n",
" },\n",
" {\n",
" \"empresa\": \"GASTROTEKA ORDIZIA 1990\",\n",
" \"puesto\": \"Camarero/a de barra\",\n",
" \"duracion\": 6\n",
" },\n",
" {\n",
" \"empresa\": \"Aut贸nomo\",\n",
" \"puesto\": \"Comercial de automoviles\",\n",
" \"duracion\": 1\n",
" }\n",
" ],\n",
" \"descripcion de la experiencia\": \"El candidato cuenta con una experiencia total de aproximadamente 4 a帽os en diferentes roles, aunque su experiencia m谩s relevante para el puesto de cajero en supermercado es limitada. Ha trabajado como vendedor en Mercadona y en un puesto de mercado, lo que le ha proporcionado habilidades de atenci贸n al cliente y manejo de efectivo, aunque la duraci贸n de estos puestos es relativamente corta. Adem谩s, su experiencia como auxiliar de mantenimiento industrial y en el sector de la hosteler铆a, aunque no directamente relacionada, le ha otorgado habilidades valiosas en el trato con el p煤blico y en la gesti贸n de situaciones de presi贸n. La puntuaci贸n de 68.6 refleja una experiencia que, aunque no cumple con los 24 meses requeridos, muestra un potencial en el 谩rea de atenci贸n al cliente y ventas.\"\n",
"}\n",
"Descripci贸n de la experiencia:\n",
"El candidato cuenta con una experiencia total de aproximadamente 4 a帽os en diferentes roles, aunque su experiencia m谩s\n",
"relevante para el puesto de cajero en supermercado es limitada. Ha trabajado como vendedor en Mercadona y en un puesto\n",
"de mercado, lo que le ha proporcionado habilidades de atenci贸n al cliente y manejo de efectivo, aunque la duraci贸n de\n",
"estos puestos es relativamente corta. Adem谩s, su experiencia como auxiliar de mantenimiento industrial y en el sector de\n",
"la hosteler铆a, aunque no directamente relacionada, le ha otorgado habilidades valiosas en el trato con el p煤blico y en\n",
"la gesti贸n de situaciones de presi贸n. La puntuaci贸n de 68.6 refleja una experiencia que, aunque no cumple con los 24\n",
"meses requeridos, muestra un potencial en el 谩rea de atenci贸n al cliente y ventas.\n"
]
}
],
"source": [
"# Par谩metros de ejecuci贸n:\n",
"job_text = \"Cajero supermercado Dia\"\n",
"cv_sample_path = '../../ejemplos_cvs/cv_sample.txt' # Ruta al fichero de texto con un curr铆culo de ejemplo\n",
"with open(cv_sample_path, 'r') as file:\n",
" cv_text = file.read()\n",
"# Prompts:\n",
"with open('../prompts/ner_pre_prompt.txt', 'r', encoding='utf-8') as f:\n",
" ner_pre_prompt = f.read()\n",
"with open('../prompts/system_prompt.txt', 'r', encoding='utf-8') as f:\n",
" system_prompt = f.read()\n",
"with open('../prompts/user_prompt.txt', 'r', encoding='utf-8') as f:\n",
" user_prompt = f.read()\n",
"# Esquemas JSON:\n",
"with open('../json/ner_schema.json', 'r', encoding='utf-8') as f:\n",
" ner_schema = json.load(f)\n",
"with open('../json/response_schema.json', 'r', encoding='utf-8') as f:\n",
" response_schema = json.load(f)\n",
"\n",
"\n",
"procesador_cvs_prueba_final = ProcesadorCV(api_key, cv_text, job_text, ner_pre_prompt, \n",
" system_prompt, user_prompt, ner_schema, response_schema)\n",
"req_experience = 24 # Experiencia requerida en meses\n",
"positions_cap=4 # N煤mero m谩ximo de puestos a considerar\n",
"dist_threshold_low=0.55 # Distancia l铆mite para considerar un puesto equivalente\n",
"dist_threshold_high=0.65 # Distancia l铆mite para considerar un puesto no relevante\n",
"dict_respuesta = procesador_cvs_prueba_final.procesar_cv_completo(req_experience=req_experience,\n",
" positions_cap=positions_cap,\n",
" dist_threshold_low=dist_threshold_low,\n",
" dist_threshold_high=dist_threshold_high\n",
" )"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"Probamos con otro ejemplo:"
]
},
{
"cell_type": "code",
"execution_count": 53,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"Cliente inicializado como <openai.OpenAI object at 0x00000159FD143750>\n",
"Respuesta:\n",
" {\n",
" \"puntuacion\": 100,\n",
" \"experiencia\": [\n",
" {\n",
" \"empresa\": \"Talking to Chatbots, by Reddgr\",\n",
" \"puesto\": \"Web Publisher and Generative AI Researcher\",\n",
" \"duracion\": 206\n",
" },\n",
" {\n",
" \"empresa\": \"IBM\",\n",
" \"puesto\": \"Relationship Manager | Cognitive Solutions SaaS\",\n",
" \"duracion\": 43\n",
" },\n",
" {\n",
" \"empresa\": \"Acoustic\",\n",
" \"puesto\": \"Principal Consultant | Martech SaaS\",\n",
" \"duracion\": 35\n",
" },\n",
" {\n",
" \"empresa\": \"IBM\",\n",
" \"puesto\": \"Engagement Manager, in support of Acoustic | B2B SaaS Retail Analytics\",\n",
" \"duracion\": 10\n",
" },\n",
" {\n",
" \"empresa\": \"IBM\",\n",
" \"puesto\": \"Engagement Manager | B2B SaaS Retail Analytics\",\n",
" \"duracion\": 9\n",
" },\n",
" {\n",
" \"empresa\": \"MBD Analytics\",\n",
" \"puesto\": \"Business Intelligence Consultant\",\n",
" \"duracion\": 10\n",
" }\n",
" ],\n",
" \"descripcion de la experiencia\": \"El candidato ha obtenido una puntuaci贸n perfecta de 100 gracias a su extensa y relevante experiencia en el campo de la inteligencia artificial generativa y tecnolog铆as relacionadas. Con m谩s de 17 a帽os de experiencia acumulada, ha trabajado en puestos clave como Web Publisher y Generative AI Researcher en 'Talking to Chatbots, by Reddgr', donde su enfoque en la investigaci贸n de IA generativa ha sido fundamental. Adem谩s, su trayectoria en IBM, donde ocup贸 roles en soluciones cognitivas y an谩lisis minorista, ha reforzado su conocimiento en SaaS y su capacidad para gestionar relaciones con clientes en entornos tecnol贸gicos avanzados. La combinaci贸n de estas experiencias, junto con su s贸lida formaci贸n en consultor铆a y an谩lisis de datos, lo posiciona como un candidato excepcionalmente calificado para el puesto.\"\n",
"}\n",
"Descripci贸n de la experiencia:\n",
"El candidato ha obtenido una puntuaci贸n perfecta de 100 gracias a su extensa y relevante experiencia en el campo de la\n",
"inteligencia artificial generativa y tecnolog铆as relacionadas. Con m谩s de 17 a帽os de experiencia acumulada, ha trabajado\n",
"en puestos clave como Web Publisher y Generative AI Researcher en 'Talking to Chatbots, by Reddgr', donde su enfoque en\n",
"la investigaci贸n de IA generativa ha sido fundamental. Adem谩s, su trayectoria en IBM, donde ocup贸 roles en soluciones\n",
"cognitivas y an谩lisis minorista, ha reforzado su conocimiento en SaaS y su capacidad para gestionar relaciones con\n",
"clientes en entornos tecnol贸gicos avanzados. La combinaci贸n de estas experiencias, junto con su s贸lida formaci贸n en\n",
"consultor铆a y an谩lisis de datos, lo posiciona como un candidato excepcionalmente calificado para el puesto.\n"
]
}
],
"source": [
"# Par谩metros de ejecuci贸n:\n",
"job_text = \"Generative AI engineer\"\n",
"cv_sample_path = '../../ejemplos_cvs/DavidGR_cv.txt' # Ruta al fichero de texto con un curr铆culo de ejemplo\n",
"with open(cv_sample_path, 'r') as file:\n",
" cv_text = file.read()\n",
"# Prompts:\n",
"with open('../prompts/ner_pre_prompt.txt', 'r', encoding='utf-8') as f:\n",
" ner_pre_prompt = f.read()\n",
"with open('../prompts/system_prompt.txt', 'r', encoding='utf-8') as f:\n",
" system_prompt = f.read()\n",
"with open('../prompts/user_prompt.txt', 'r', encoding='utf-8') as f:\n",
" user_prompt = f.read()\n",
"# Esquemas JSON:\n",
"with open('../json/ner_schema.json', 'r', encoding='utf-8') as f:\n",
" ner_schema = json.load(f)\n",
"with open('../json/response_schema.json', 'r', encoding='utf-8') as f:\n",
" response_schema = json.load(f)\n",
"\n",
"\n",
"procesador_cvs_prueba_final = ProcesadorCV(api_key, cv_text, job_text, ner_pre_prompt, \n",
" system_prompt, user_prompt, ner_schema, response_schema)\n",
"req_experience = 48 # Experiencia requerida en meses\n",
"positions_cap=10 # N煤mero m谩ximo de puestos a considerar\n",
"dist_threshold_low=0.5 # Distancia l铆mite para considerar un puesto equivalente\n",
"dist_threshold_high=0.7 # Distancia l铆mite para considerar un puesto no relevante\n",
"dict_respuesta = procesador_cvs_prueba_final.procesar_cv_completo(req_experience=req_experience,\n",
" positions_cap=positions_cap,\n",
" dist_threshold_low=dist_threshold_low,\n",
" dist_threshold_high=dist_threshold_high\n",
" )"
]
}
],
"metadata": {
"kernelspec": {
"display_name": "base",
"language": "python",
"name": "python3"
},
"language_info": {
"codemirror_mode": {
"name": "ipython",
"version": 3
},
"file_extension": ".py",
"mimetype": "text/x-python",
"name": "python",
"nbconvert_exporter": "python",
"pygments_lexer": "ipython3",
"version": "3.11.5"
}
},
"nbformat": 4,
"nbformat_minor": 2
}
|