随着信息化管理的日益普及,信息化管理系统已经成为企业竞争和发展中必不可缺的重要工具。然而现代企业中的人力资源管理系统却面临着许多问题,例如手动录入数据量较大、数据格式混乱不统一以及无法有效地对海量数据进行管理和分析等问题。为了优化资源管理过程,减少业务工作量,提高办事效率,通过引入机器学习的方法来实现人力资源管理系统的功能,可以减少业务工作量,从而提高办事的效率和系统的性能。通过将机器学习技术应用到人力资源管理系统上,设计并实现了薪资预测模型和离职预测模型两种模型。其中薪资预测属于回归预测,它是通过利用简历的内容信息来预测应聘人员的录用薪资,模型是基于三层BP神经网络实现,采用了小批量梯度下降法作为收敛方向搜索算法,并利用结合了附加动量法和自适应学习速率法两种方法的混合算法Nadm来对模型进行优化,加快了模型训练的收敛速度以及提高了预测结果的准确率,最终预测模型的准确率可以达到77.3%;离职预测属于分类预测,模型是基于Logistic回归实现,采用了交叉熵函数作为目标函数,并利用牛顿迭代法和正则化来对模型进行了优化,加快了模型训练的收敛速度,最终预测模型的正确率可以达到73%。通过设计了一系列实验,将实现的两个预测模型与其他相关的机器学习算法进行了对比,验证了这两个预测模型的有效性,同时这两个预测模型在测试实验中准确率都比较高,说明了它们具有一定的实际应用参考价值,也进一步说明了机器学习在人力资源管理系统中的应用是具有相当大的发展潜力的。