Revisão da demanda regional por vagas de TI no Brasil: uma análise comparativa de modelos de aprendizado de máquina

Este estudo desenvolve e compara modelos de aprendizado de máquina para a previsão da demanda regional por vagas no setor de Tecnologia da Informação (TI) no Brasil. A partir de um conjunto de dados com mais de 66 mil anúncios de emprego, extraídos do LinkedIn via web scraping e estruturados como séries temporais diárias, a análise abrange as cinco macrorregiões brasileiras e uma categoria específica para vagas remotas. Foram avaliados comparativamente três algoritmos de machine learning para previsão, sendo eles Support Vector Regression (SVR), redes neurais feedforward do tipo MLP (Multi-Layer Perceptron) e redes neurais Long Short-Term Memory (LSTM). O desempenho dos modelos, treinados individualmente por região, foi aferido por meio das métricas MAE (Mean Absolute Error) e MDA (Mean Directional Accuracy). Os resultados demonstram que o modelo feedforward obteve a melhor performance, apesar do modelo SVR ter obtido resultados parecidos. De acordo com os dados, as vagas remotas, somadas às das regiões Sudeste e Sul, representam mais de 90% do total, evidenciando a menor oferta nas demais regiões. Dessa forma, este trabalho demonstra a viabilidade da metodologia para a captura de padrões de demanda regionais, oferecendo um panorama quantitativo robusto do comportamento do setor de TI brasileiro por região e modalidade de trabalho.