Прогнозирование рынка IT-вакансий в Восточной Африке: подход с использованием ML

Abstract

В данном исследовании разрабатывается подход к прогнозированию рынка вакансий в сфере информационных технологий (ИТ) в Восточной Африке (на примере Кении, Уганды и Танзании) с применением моделей машинного обучения. В основе анализа лежит набор данных, содержащий 1 048 576 записей о вакансиях, собранных с онлайн-платформ, включая LinkedIn и Indeed. Проведено сравнительное исследование прогнозных моделей авторегрессионной интегрированной скользящей средней (ARIMA), сезонной ARIMA (SARIMA), сети с долгой краткосрочной памятью (LSTM) и линейного тренда Холта с целью прогнозирования динамики занятости, сезонных колебаний и остаточных паттернов. Для оценки эффективности моделей использовались метрики средней абсолютной ошибки (MAE), средней квадратичной ошибки (MSE) и среднеквадратической ошибки (RMSE). Наилучшие результаты показала модель LSTM, продемонстрировавшая значения MAE 2.75, MSE 15.90 и RMSE 3.99. Значение RMSE, равное 3.99, свидетельствует о том, что расхождения между прогнозируемыми и фактическими значениями в среднем составляют приблизительно 4 вакансии. Полученные результаты подтверждают применимость методов машинного обучения для достоверного прогнозирования регионального рынка труда и предоставляют стейкхолдерам в сфере образования, государственного управления и бизнеса ценную информацию для согласования стратегий с рыночными тенденциями.