В связи с быстрым развитием цифровых образовательных технологий и внедрением модульных программ в высших учебных заведениях растет потребность в интеллектуальных системах, способных проводить глубокий анализ академических данных и генерировать прогностические модели, направленные на повышение успеваемости студентов и поддержку карьерного роста. Целью данного исследования является разработка интеллектуальной модели на основе факторного анализа для прогнозирования академической успеваемости и карьерной траектории студентов, изучающих ИТ. В качестве входных данных модель использует оценки по основным предметам модульных образовательных программ. Для выявления латентной факторной структуры использовался анализ главных компонент (PCA), при этом «Теоретическая подготовка» и «Практическая подготовка» интерпретировались как два доминирующих компонента. Полученные факторные баллы используются в качестве вероятностей в модели логистической регрессии, которая показывает высокую точность классификации результатов карьеры (ROC-AUC ≈ 0,95). Это позволяет не только сделать бинарный прогноз (успех/неудача), но и количественно оценить вклад образовательных модулей в карьерную траекторию студента. Результаты исследования подтверждают потенциал предлагаемой модели как инструмента образовательного анализа, способного выявлять скрытые зависимости в академических данных, профилировать учащихся в соответствии с траекториями развития и предоставлять интерпретируемые рекомендации учителям и координаторам учебных программ. Предлагаемый подход можно масштабировать и интегрировать в системы управления обучением (LMS), цифровые платформы профориентации и системы поддержки развития компетенций учащихся.