Análise comparativa de algoritmos de Machine Learning para a projeção de áreas em crescimento no setor de tecnologia da informação no Brasil

Página do item simplificado
dc.contributor.authorde Araujo Moreira, Isabelle Yasmin
dc.contributor.authorBatista Lima, Danilo
dc.contributor.authorSilva, Carlos Alexandre
dc.date.accessioned2026-02-04T13:42:35Z
dc.date.created2025-11-25
dc.descriptionO presente estudo propõe e avalia uma metodologia híbrida de machine learning para a predição da demanda por profissionais no setor de Tecnologia da Informação (TI) no Brasil. Utilizando um conjunto de dados extraído da plataforma LinkedIn por meio de web scraping, a abordagem consiste em duas etapas. Primeiramente, aplica-se o algoritmo não supervisionado K-means para segmentar as vagas em clusters representativos de áreas de atuação, como Desenvolvimento Web, Mobile, Dados, QA e Infraestrutura. Subsequentemente, três modelos de aprendizado supervisionado são empregados para prever a abertura de novas vagas em cada área de atuação: a rede neural Feedforward Multi-Layer Perceptron (MLP), a rede neural Long Short-Term Memory (LSTM) e o algoritmo e Xtreme Gradient Boosting (XGBoost). Os resultados indicam a predominância de três áreas consolidadas no cenário nacional, sendo elas desenvolvimento web Fullstack, Backend e Mobile. Além disso, o XGBoost foi o modelo mais performático, o que se evidencia tanto em métricas de precisão quanto na sua capacidade de capturar os picos e vales da demanda de vagas. Conclui-se que a abordagem híbrida oferece um framework robusto e granular para a análise e previsão da demanda no dinâmico mercado de TI.
dc.description.sponsorshipCNPq
dc.identifier.authorLattes9056501938377193
dc.identifier.authorLattes0679501598392903
dc.identifier.authorLattes8465270749629421
dc.identifier.authorOrcid0009-0004-1412-2196
dc.identifier.authorOrcid0009-0004-3459-0923
dc.identifier.authorOrcid0000-0002-5597-4254
dc.identifier.issn2357-8904
dc.identifier.urihttps://hdl.handle.net/20.500.14387/2885
dc.language.isopor
dc.publisher.campiSabará
dc.publisher.countryBrasil
dc.publisher.institutionInstituto Federal de Minas Gerais
dc.rightsAcesso aberto
dc.sourcehttps://www.conic-semesp.org.br/anais/files/2025/trabalho-1000013789.pdf?1769035848
dc.subject.cnpqCiências Exatas e da Terra
dc.subject.keywordsMachine-Learning
dc.subject.keywordsIA
dc.subject.keywordsPrevisão
dc.subject.keywordsAreas
dc.subject.keywordsTecnologia
dc.titleAnálise comparativa de algoritmos de Machine Learning para a projeção de áreas em crescimento no setor de tecnologia da informação no Brasil
dc.typeArtigo de Eventos

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
artigo-conic-isabelle.pdf
Tamanho:
1.17 MB
Formato:
Adobe Portable Document Format
Baixar

Licença do pacote

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
license.txt
Tamanho:
1.72 KB
Formato:
Item-specific license agreed to upon submission
Descrição:
Baixar

Coleções

Trabalho de Conclusão de Curso