Магістерська дисертація: 134 с., 19 рис., 42 табл., 1 додаток, 43 джерела. Мета роботи – розробка системи прогнозування операційних ризиків на основі методів машинного навчання та створення життєздатного стартап-проекту для впровадження цієї системи у промисловому секторі. Об'єкт дослідження – процеси виникнення та розвитку операційних ризиків у складних технічних системах. Предмет дослідження – методи та алгоритми машинного навчання для прогнозування технічного стану обладнання та оцінки операційних ризиків. Методи дослідження – методи статистичного аналізу, машинного навчання, feature engineering, методи валідації моделей, методи проектного менеджменту та бізнес-планування. У роботі досліджено проблематику прогнозування та оцінювання операційних ризиків промислового обладнання. На основі датасету NASA Turbofan Engine розроблено та порівняно ефективність різних моделей машинного навчання для прогнозування залишкового ресурсу обладнання. Створено систему класифікації рівнів операційного ризику та запропоновано концепцію стартап-проекту для практичного впровадження розробленої системи. Практична цінність роботи полягає у створенні системи раннього попередження відмов промислового обладнання, що дозволяє оптимізувати процеси технічного обслуговування та знизити операційні витрати підприємств.