O absenteísmo entre profissionais de enfermagem é um fenômeno que impacta diretamente a qualidade da assistência prestada, a produtividade das equipes e a gestão de recursos humanos em instituições hospitalares. A identificação precoce de padrões associados à ausência no trabalho pode auxiliar gestores na tomada de decisões mais assertivas e na implementação de estratégias preventivas. Diante desse contexto, este estudo tem como objetivo aplicar algoritmos de Aprendizagem de Máquina para a predição do absenteísmo em um Hospital Universitário. Foram utilizados dados sociodemográficos e funcionais de profissionais de enfermagem, com variáveis relacionadas a idade, gênero, carga horária, tempo de atuação, setor e riscos ocupacionais. O processo metodológico envolveu etapas de pré-processamento, balanceamento dos dados, seleção de atributos e treinamento de modelos supervisionados, incluindo Decision Tree, Random Forest e Multilayer Perceptron (MLP). O desempenho dos modelos foi avaliado por meio de métricas como acurácia, precisão, sensibilidade, F1-score e área sob a curva ROC (AUC). Os resultados obtidos evidenciam o potencial da Aprendizagem de Máquina como ferramenta de apoio à gestão hospitalar, contribuindo para a antecipação de eventos de ausência e otimização do planejamento de pessoal.