У дисертаційній роботі вирішено актуальну науково-практичну проблему: підвищення ефективності ймовірнісно-статистичного аналізу даних, моделювання та прогнозування в задачах машинного навчання засобами сучасних інформаційних технологій з урахуванням нелінійності і нестаціонарності даних, а також можливих невизначеностей, що є характерними для них.На основі розроблених інформаційних технологій та інформаційно-аналітичних систем вирішено ряд прикладних задач машинного навчання. Результати вирішення практичних задач експериментально підтверджують достовірність наукових положень, які отримані з метою підвищення якості та ефективності ймовірнісно-статистичного аналізу даних в задачах машинного навчання завдяки створенню та вдосконаленню методів, моделей, інформаційних технологій для нелінійних нестаціонарних процесів.^UThe dissertation solves an actual scientific and practical problem: increasing the efficiency of probabilistic and statistical data analysis, modelling and forecasting in machine learning tasks by means of modern information technologies, taking into account the nonlinearity and non-stationarity of data, as well as possible uncertainties that are characteristic of them. Based on the developed information technologies and information-analytical systems, a number of applied problems of machine learning have been solved. The results of solving practical problems experimentally confirm the validity of scientific propositions, which were obtained in order to improve the quality and efficiency of robabilistic-statistical data analysis in machine learning problems thanks to the creation and improvement of methods, models, and information technologies for non-linear non-stationary processes.