Цель данной работы: смоделировать изменение спроса на профессиональные компетенции в сфере ИТ. Были решены следующие задачи: - исследовать основные исторические концепции и актуальные темы исследований в области экономики труда; - определить наиболее подходящий для задачи выявления спроса на ключевые навыки способ анализа вакансий; - изучить и описать выбранные методы векторизации, визуализации, кластеризации текстовых данных и оценки полученных результатов; - выбрать наиболее эффективный метод кластеризации на данных за 2023 год; - применить выбранный метод кластеризации для анализа ключевых навыков из вакансий за 2018 год; - сравнить результаты кластеризаций за 2018 и 2023 годы для выявления изменений в специализациях и требованиях к навыкам. Актуальность данного исследования проявляется в контексте глобальной цифровизации экономики, которая изменяет не только производственные процессы, но и структуру рынка труда. Развитие информационных технологий значительно увеличивает спрос на квалифицированных специалистов в сфере ИТ. Эти изменения постоянно формируют новые профессиональные требования и специализации, которые отражаются в вакансиях и позволяют отслеживать динамику изменений на рынке труда. Источниками информации выступили данные отечественной и зарубежной научно-исследовательской литературы, официальных Интернет-ресурсов, онлайн-баз. Предложен комплексный подход для определения того, как меняется спрос на ключевые навыки в сфере информационных технологий. Для проведения анализа и обработки данных в данном исследовании использовались следующие программные средства: - Microsoft Excel. Данная программа была использована для предварительной обработки данных. С ее помощью осуществлялась фильтрация и сортировка данных из различных источников перед дальнейшим анализом. - Jupyter Notebook. Для реализации алгоритмов кластерного анализа и визуализации результатов была выбрана среда Jupyter Notebook. Она предоставляет удобную среду для написания и отладки кода на языке Python, а также позволяет интегрировать текстовые описания и графические результаты в одном документе, что облегчает анализ и воспроизводимость результатов исследования. - Python. В качестве основного языка программирования для реализации алгоритмов кластерного анализа был выбран Python. С его помощью были написаны скрипты для чтения данных, выполнения кластеризации, вычисления метрик качества кластеризации и визуализации результатов.

The purpose of this work is to model the change in demand for professional competencies in the IT sector. The research set the following goals: - explore key historical concepts and current research topics in labor economics; - determine the most suitable method for identifying demand for key skills from job vacancies; - study and describe the selected methods of text vectorization, visualization, clustering, and evaluation of results; - select the most effective clustering method based on data for 2023; - apply the chosen clustering method to analyze key skills from job vacancies for 2018; - compare clustering results for 2018 and 2023 to identify changes in specializations and skill requirements. The relevance of this study lies in the context of global economic digitization, which not only transforms production processes but also reshapes the labor market structure. The advancement of information technologies significantly increases demand for qualified specialists in IT. These changes constantly create new professional requirements and specializations reflected in current job vacancies, allowing for tracking changes in labor market dynamics. Information sources included domestic and international scientific literature, official websites, and online databases. A comprehensive approach is proposed to determine how the demand for key skills in the field of information technology is changing. The following software tools were used for data analysis and processing in this study: - Microsoft Excel was used for preliminary data processing, including filtering and sorting data from various sources before further analysis. - Jupyter Notebook was chosen for implementing clustering algorithms and visualizing results. It provides a convenient environment for writing and debugging Python code, integrating text descriptions and graphical results in one document, facilitating analysis and reproducibility of research findings. - Python was selected as the main programming language for implementing clustering algorithms, including data reading, clustering execution, quality metrics computation, and result visualization.