Transformasi digital nasional menuntut tersedianya talenta digital yang adaptif, sebagaimana diamanatkan dalam Peraturan Presiden Nomor 82 Tahun 2022. Program Digital Talent Scholarship (DTS) hadir untuk memenuhi kebutuhan tersebut, namun platform pelatihannya belum dapat memberikan rekomendasi yang sesuai profil pengguna. Penelitian ini mengembangkan sistem rekomendasi pelatihan berbasis hybrid yang menggabungkan rule-based filtering dan content-based filtering menggunakan TF-IDF dan Cosine Similarity. Data pelatihan dari beberapa program DTS diolah melalui prapengolahan teks dan penyaringan berdasarkan usia, pendidikan, pekerjaan, serta minat, kemudian dihitung kesamaan semantik antara input pengguna dan deskripsi pelatihan. Evaluasi menggunakan histori peserta tahun 2023 dengan metrik Top-3 Accuracy menunjukkan performa sebesar 72,73%, menandakan bahwa sebagian besar pengguna menerima minimal satu rekomendasi yang benar dalam tiga peringkat teratas. Temuan ini menunjukkan bahwa pendekatan hybrid mampu menghasilkan rekomendasi yang relevan dan personal. Ke depan, sistem dapat dikembangkan dengan embedding berbasis transformer dan pemodelan preferensi pengguna yang lebih dinamis.