Дальнейшее развитие общества напрямую зависит от использования технологий, связанных с обработкой массивов данных и выявления закономерностей компьютерными средствами. В данном исследовании методы машинного обучения позволили провести анализ технологических трендов по большим данным из открытого источника о патентах, позволяющих предсказать в будущем навыки, востребованные на рынке труда. Это имеет важное значение в условиях стремительного развития технологий, приводящих к масштабным технологическим изменениям, меняющим социальные условия жизни человечества в целом, требования к навыкам людей, которые в дальнейшем вызовут возникновение новых специальностей и исчезновение существующих ныне профессий. С этой целью в работе построены предиктивные регрессионные модели групп патентов согласно Международной патентной классификации при помощи методов машинного обучения — классических методов прогнозирования, таких как наивное прогнозирование, простое экспоненциальное сглаживание и ARIMA. В результате сравнения качества построенных моделей и выбора лучшей были выявлены модели ARIMA, показывающие: «угасающие» технологии, если происходит снижение числа патентов; перспективные технологические направления, если наблюдается стабильный рост; или «прорывные» технологии, если произошел резкий рост за последние годы. Входными переменными моделей явились ряды динамики патентов разных классов в виде исторических данных, выходными — прогнозные значения числа патентов этих классов определенного технологического тренда. Алгоритм реализовывался на высокоуровневом языке программирования Python. Результаты исследования позволят органам власти, работодателям, образовательным учреждениям и т. д. сделать прогноз востребованности ныне существующих, а также новых профессиональных навыков и компетенций на рынке труда.