The object of this study is the IT project risk management process. The study solves the task to improve the accuracy of risk assessment in IT projects and, in particular, IT projects to design the information system (IS) "Smart House". Research into this area is mainly focused on the application of machine learning (ML) methods to improve the results of conventional evaluation methods. Issues related to quantitative risk assessment of IT projects to design the "Smart House" IS remain practically unexplored. During the study, it was proposed to use ML methods for preprocessing the raw data. For this purpose, a combined risk assessment method was devised. In this technique, methods of Support Vector Machine and Bayesian networks were applied to process the raw data. The results of their application were used as input data for Monte Carlo simulations. During the software implementation of the devised method, its technological stack was determined. Fragments of the program code are given, which describe the implementation of the basic elements of the combined method. The devised method and its software implementation were used to assess the risk of delay in the implementation of the IT project to design the "Smart House" IS. The evaluation results determine the expected duration of this IT project at 234.5 days, with a deviation range of 226–244 days (with a 95 % confidence interval). The results of a comparative analysis of the obtained estimates with estimates of the same risk obtained using the conventional Monte Carlo method show that the devised method provides higher reliability of forecasts. The application of research findings makes it possible to improve the quality of managing IT projects by increasing the accuracy and reliability of their risk assessments

Об’єкт дослідження – процес управління ризиками ІТ-проєкту. Під час дослідження вирішувалася проблема підвищення точності оцінювання ризиків у ІТ-проєктах і, зокрема, у ІТ-проєктах розробки інформаційної системи (ІС) «Розумний будинок». Дослідження в цій галузі спрямовані, переважно, на застосуванні методів машинного навчання (ML) для вдосконалення результатів застосування традиційних методів оцінювання. Питання кількісного оцінювання ризиків для ІТ-проєктів розробки ІС «Розумний будинок» залишаються практично недослідженими. Під час дослідження було запропоновано використовувати методи ML для попередньої обробки вихідних даних. З цією метою був розроблений комбінований метод оцінювання ризиків. В цьому методі для обробки вихідних даних були застосовані методи Support Vector Machine та байєсівських мереж. Результати їх застосування були використані як вихідні дані для симуляцій методом Монте-Карло. Під час програмної реалізації розробленого методу було визначено її технологічний стек. Наведено фрагменти програмного коду, які описують реалізацію основних елементів комбінованого методу. Розроблений метод та його програмну реалізацію було використано для оцінювання ризику затримки виконання ІТ-проєкту розробки ІС «Розумний будинок». Результати оцінювання визначають очікувану тривалість цього ІТ-проєкту у 234,5 дні з діапазоном відхилень 226–244 днів (при 95 % довірчому інтервалі). Результати порівняльного аналізу отриманих оцінок із оцінками цього ж ризику, отриманими із застосуванням традиційного методу Монте-Карло, свідчать, що розроблений метод забезпечує вищу надійність прогнозів. Використання результатів дослідження дозволяє підвищити якість управління ІТ-проєктами за рахунок підвищення точності та надійності оцінок їхніх ризиків