Представлены основные возможности цифровой образовательной платформы Мирера, относящейся к классу полидисциплинарных информационных интеллектуальных систем и предназначенной для комплексной поддержки образовательного процесса. Платформа объединяет средства управления обучением, автоматизированной проверки заданий, образовательной аналитики, учета посещаемости и интеллектуальной поддержки преподавателей и обучающихся на основе технологий искусственного интеллекта. Описаны основные функциональные возможности системы, включая автоматическую проверку заданий по различным дисциплинам, инструменты формирования адаптивных образовательных траекторий, анализ цифрового следа обучающихся, встроенные средства коммуникации и нейросетевых ассистентов. Рассмотрены механизмы автоматизации рутинных процессов и поддержки принятия педагогических решений на основе данных. Результаты пилотного внедрения показали, что использование платформы способствует снижению нагрузки на преподавательский состав, повышению вовлеченности студентов и повышению эффективности управления образовательным процессом, что подтверждает потенциал применения цифровых образовательных платформ в качестве инструмента трансформации высшего, среднего общего и специального профессионального образования.

Сигнатурные методы представляют собой мощный инструмент анализа временных рядов, который преобразует их в форму, удобную для задач машинного обучения. В статье рассмотрены основные понятия сигнатуры пути, ее свойства и геометрический смысл, а также методы вычисления для различных типов временных рядов. Приведены примеры применения сигнатурных методов в различных областях, включая финансы, медицину и образование, продемонстрированы их преимущества перед традиционными подходами. Особое внимание уделено генерации синтетических данных на основе сигнатур, что особенно актуально в условиях ограниченного объема исходных данных. Представлены результаты экспериментальных исследований по генерации и предсказанию траекторий цифрового следа обучения студентов, подтверждающие эффективность сигнатурных методов для применения в задачах машинного обучения по анализу и прогнозированию временных рядов.