Chỉ so sánh các hàng có cùng dấu vân tay tập dữ liệu và phân tách kiểm tra. Quá trình huấn luyện sử dụng epoch cuối cùng, không có lựa chọn dựa trên kiểm tra.

Chưa có mô hình nào được lưu. Hãy huấn luyện mạng đầu tiên của bạn để xem kết quả đánh giá thực tế.

Không tìm thấy bản ghi nào phù hợp.

Sơ đồ CSV & sử dụng có trách nhiệm

Các cột bắt buộc: experience, education, role, skill, department, salary. Từ 60–5.000 hàng; tối đa 2 MB. Experience: 0–40, skill: 0–100, lương hàng năm: 1.000–100.000.000. Không để trống trường. Tối đa 30 danh mục cho mỗi đặc trưng phân loại. Các cột thừa sẽ bị loại bỏ.

Chỉ sử dụng dữ liệu mà bạn có quyền xử lý. Không bao gồm tên hoặc các thuộc tính được bảo vệ. Dữ liệu nhập vào chưa được xác minh; việc phân loại có ý nghĩa và cấp phép phù hợp vẫn là trách nhiệm của bạn. Việc thay thế tập dữ liệu sẽ làm mất hiệu lực của mô hình hiện tại, nhưng vẫn bảo lưu các dự đoán lịch sử.

Hiển thị mức thù lao

Phiên bản trình duyệt · giới hạn thời gian chạy

Miniapp này chạy một mạng ANN JavaScript thực tế, không phải API Python được lưu trữ. Quá trình huấn luyện sẽ nhường quyền điều khiển cho trình duyệt giữa các epoch. Các mô hình, tập dữ liệu và lịch sử sử dụng bộ nhớ cho mỗi người dùng của nền tảng, không phải SQL. Không có dịch vụ dữ liệu lương bên ngoài, không đảm bảo tính khả dụng của dịch vụ, hoặc mô hình thực tế được xác thực độc lập.

Phương pháp luận

Mạng perceptron đa lớp truyền thẳng sử dụng kinh nghiệm và kỹ năng đã được chuẩn hóa, cùng với giáo dục, vai trò và phòng ban được mã hóa one-hot. Các lớp ẩn sử dụng ReLU hoặc tanh; đầu ra hồi quy lương là tuyến tính. Gradient MSE được tính bằng quy tắc chuỗi và được tối ưu hóa bằng Adam hoặc minibatch SGD.

Khả năng tái lập & Ngăn chặn rò rỉ

Một lần xáo trộn với seed cố định dành riêng 20% để kiểm tra. Việc xác thực được lấy từ các bản ghi còn lại bằng seed huấn luyện. Việc tỷ lệ hóa số, từ vựng phân loại và chuẩn hóa mục tiêu chỉ được khớp trên dữ liệu huấn luyện. Các danh mục không xác định sử dụng một vị trí không xác định rõ ràng. Dữ liệu kiểm tra chỉ được đánh giá sau epoch cuối cùng. Các thành phần lưu trữ bao gồm trọng số, độ chệch, tiền xử lý, cấu hình và đánh giá cùng nhau.

Nguồn gốc dữ liệu

480 bản ghi đầu tiên là các ví dụ tổng hợp có thể tái lập được tạo với seed 2026. Đây không phải là lương nhân viên thực tế và không có giá trị khẳng định về thị trường. Bộ tạo tổng hợp xác định một tập dữ liệu giảng dạy; các dự đoán luôn đến từ mạng ANN đã được huấn luyện, không bao giờ đến từ bộ tạo đó. Các tệp CSV do người dùng tải lên sẽ thay thế bản demo và được đánh dấu là chưa xác minh.

Hạn chế & Mục đích sử dụng

Chỉ dùng để khám phá giáo dục. Không dùng cho việc tuyển dụng, quyết định thù lao hoặc sàng lọc việc làm. Không cung cấp kiểm tra tính công bằng, phân bổ đặc trưng nhân quả, khoảng tin cậy hoặc xác thực bên ngoài. Kết quả lương có thể âm hoặc không hợp lý; chúng không bị cắt bỏ một cách im lặng. Các thuộc tính được bảo vệ không phải là đặc trưng dự báo. Các danh mục vẫn có thể mang định kiến xã hội.

Thành phần & Lưu trữ

Mô hình hiện tại và tối đa sáu bản tóm tắt phiên bản được lưu cho mỗi người dùng. Các dự đoán chỉ được lưu theo yêu cầu, tối đa 500 bản ghi. Thay đổi tập dữ liệu sẽ làm mất hiệu lực mô hình hiện tại. Các thành phần lưu trữ được xác thực trước khi tải. Lỗi lưu trữ sẽ được báo cáo và phiên làm việc hiện tại vẫn có thể sử dụng. Phiên bản trình duyệt này không cung cấp máy chủ hoặc cơ sở dữ liệu.

Xác minh

Công cụ kiểm tra gradient số so với sai phân hữu hạn trước khi huấn luyện. Quá trình huấn luyện từ chối tổn thất không hữu hạn. Các chỉ số được tính theo đơn vị lương năm gốc trên dữ liệu kiểm tra tách riêng. Đây không phải là sự thay thế cho một bộ kiểm tra tự động đầy đủ được thực hiện độc lập hoặc đánh giá bảo mật sản xuất.