На современном рынке труда студенты сталкиваются со значительными трудностями при выборе карьерных путей, соответствующих их способностям и амбициям. Взаимодействие факторов, влияющих на решения о карьере, включая успеваемость, личностные качества и сертификацию, усложняет процесс руководства для преподавателей и консультантов по карьере. В этом исследовании изучается необходимость в данных, основанных на данных, в прогнозировании карьеры с помощью применения методов машинного обучения для анализа набора данных профилей студентов. Основная цель — определить ключевые характеристики, которые существенно влияют на прогнозирование карьерных траекторий студентов. Были использованы классификаторы, включая случайный лес, логистическую регрессию и машину опорных векторов, что показало, что классификатор случайного леса достиг точности 75%, точности 70%, полноты 75% и оценки F1 72%. Модель логистической регрессии продемонстрировала точность 70%, тогда как классификатор SVM достиг точности 72%. Рекурсивное исключение признаков для выбора признаков показало, что определенные сертификации служат значимыми предикторами успеха в карьере. Результаты исследования подчеркивают важность использования машинного обучения в образовательных учреждениях для улучшения персонализированной профессиональной ориентации, тем самым помогая учащимся принимать обоснованные решения относительно своего будущего.