Настоящая работа посвящена исследованию применения машинного обучения (ML) для трансформации бизнсс-процсссов в условиях цифровой экономики. Рассматриваются возможности использования алгоритмов ML для автоматизации управления, прогнозирования ключевых показателей эффективности (K.PI) и оптимизации распределения ресурсов. В статье подробно описаны теоретические основы, методология разработки программного решения, а также результаты экспериментов на реальных данных из логистики и электронной коммерции. Приводятся примеры применения линейной регрессии, случайного леса, градиентного бустинга и нейронных сетей, демонстрирующие их эффективность в повышении производительности и снижении издержек. Работа подчёркивает стратегическую роль ML как инструмента достижения конкурентных преимуществ и предлагает направления для дальнейших исследований в области адаптации технологий к различным отраслям.

В работе представлено численное моделирование трехмерного поля скорости ветра в атмосфере на основе уравнений Навье-Стокса. Разработан устойчивый алгоритм решения задачи гидродинамики с использованием неявной разностной схемы и аппроксимации высокого порядка. Модель учитывает пространственно-временную изменчивость скорости воздушных масс в направлениях u, v и w, что позволяет более точно описывать процессы переноса загрязняющих веществ в атмосфере.