Я аспірант з комп'ютерних наук у Національному університеті водного господарства та природокористування. Моє дослідження — про те, як зробити генеративний AI придатним для рішень, де впевнена помилка гірша за відсутність відповіді.
На практиці це багатоетапні LLM-пайплайни та методи їхнього оцінювання, багатокритеріальний аналіз рішень і використання ринку праці як живого джерела даних для питань про навички, наймання та побудову навчальних програм.
Публікації
2026
Fault-Tolerant HR Evaluation Methodology Using Multi-Stage Local LLM Pipelines
Vitalii Pavliuk, Volodymyr Drevetskyi
Опубліковано у International Journal of Computing · Том 25 · Випуск 3 · Сторінки 575–589
Локальний відмовостійкий конвеєр для оцінювання кандидатів на промислові ролі підвищеної небезпеки: п'ятикритерійна MCDA, зважені бали Likert і поведінково якірні обґрунтування, оркестрація через Redis і Celery, модель Llama 3 8B через vLLM. На 50 записах порівняння з GPT-4o-mini дало кореляцію Спірмена 0,745 і 78% балів у межах одного бала; перевірка десяти випадків виявила помилки цитування й зважування, тож метод пропонують як підтримку рішень під наглядом людини.
2025
Аналіз відповідності профілів кандидатів і вакансій за допомогою алгоритмів семантичного порівняння та генеративних моделей
Vitalii Pavliuk, Volodymyr Drevetskyi
Опубліковано у Вісник Національного університету водного господарства та природокористування · Випуск 110 · Сторінки 112–120
Два способи оцінити відповідність кандидата вакансії з текстів обох: embedding-based міра семантичної схожості та GPT-based аналіз контекстуальних і прихованих факторів, яких косинусна схожість не бачить. Разом вони дають гнучкішу оцінку, ніж збіг ключових слів, і шлях до адаптивних HR-систем.
2025
Intelligent Modeling of Educational Curricula Based on Labor Market Vacancy Analysis Using Semantic and Generative AI
Vitalii Pavliuk, Volodymyr Drevetskyi
Опубліковано у Моделювання, керування та інформаційні технології · Випуск 8 · Сторінки 154–157
Семантичний модуль виділяє та кластеризує навички, які роботодавці справді вимагають у вакансіях, а генеративна модель перетворює ці кластери на адаптивні структури курсів. Мета — навчальні програми, що відповідають реальному попиту ринку, а не відстають від нього на роки.
2024
Intelligent Employer Matching System for Young Professionals and Students Based on Multifactor Analysis
Vitalii Pavliuk, Volodymyr Drevetskyi
Опубліковано у Моделювання, керування та інформаційні технології · Випуск 7 · Сторінки 169–171
Кар'єрний тест оцінює 40 факторів у чотирьох групах — кар'єрне зростання, робоче середовище, бенефіти та особисті цінності — і зіставляє їх із профілями роботодавців, побудованими на відгуках працівників. Так студенти та джуніори отримують рекомендації, що спираються не лише на employer branding.
2023
Determining Job Category Using AWS Machine Learning Cloud Services
Vitalii Pavliuk, Volodymyr Drevetskyi
Опубліковано у Моделювання, керування та інформаційні технології · Випуск 6 · Сторінки 227–229
Автоматична категоризація вакансій на керованих сервісах AWS — ECS, DynamoDB, Glue, SageMaker і Lambda — та що така архітектура реально дає з погляду масштабованості й вартості експлуатації.