The work deals with the problem of improving data science technologies, which are now widely used in many industries. The quality of the implementation of these technologies is largely determined by the accuracy of the calculation of trend dependence parameters, which requires an adequate determination of the order of the polynomial model. The purpose of the work is to improve the methods of determining the order of the polynomial model for constructing a trend line in data science tasks. The authors proposed an approach to determining the order of a polynomial model for building a trend line in data science tasks, which is based on the analysis of the values of higher derivatives of the experimental curve, taking into account measurement errors. The results of evaluating the effectiveness of the proposed approach are given. В работе рассмотрена проблема использования технологий data sciencе, которые сегодня получили широкое распространение в различных сферах. Качество реализации этих технологий в значительной мере определяется точностью расчета параметров трендовых зависимостей, что связано с необходимостью определения порядка полиномиальной модели. Цель работы - совершенствование методов определения порядка полиномиальной модели для построения линии тренда в задачах data science. Авторами предложен подход к выбору порядка полиномиальной модели для построения линий тренду в задачах data science, который базируется на анализе значений высших производных экспериментальной кривой, учитывающем ошибки измерений. Представлены результаты оценки эффективности предложенного подхода. В роботі розглянуто проблема вдосконалення технологій data sciencе, які сьогодні набули широке використання в багатьох галузях. Якість реалізації цих технологій значною мірою визначається точністю розрахунку параметрів трендових залежностей, що потребує адекватного визначення порядку поліноміальної моделі. Метою роботи є вдосконалення методів визначення порядку поліноміальної моделі для побудови лінії тренду в задачах data science. Авторами запропоновано підхід до визначення порядку поліноміальної моделі для побудови лінії тренду в задачах data science, який базується на аналізі значень вищих похідних експериментальної кривої, враховуючи похибки виміру. Наведено результати оцінювання ефективності запропонованого підходу.