Голдиш, Олександр СергійовичHoldysh, Olexander S.Коротунова, Олена ВолодимирівнаKorotunova, Olena V.Зайцева, Тетяна АнатоліївнаZaytseva, Tetyana A.Шишканова, Ганна АнатоліївнаShyshkanova, Ganna A.2025-05-292025-05-292025https://eir.zp.edu.ua/handle/123456789/21638Holdysh O., Korotunova O., Zaytseva T., Shyshkanova G., Modern statistical methods enhanced by machine learning for analyzing complex and low-noise data in nanotechnology in The Context of International Business Activities. Science and Information Technologies in the Modern World: Collection of Scientific Papers with Proceedings of the 2nd International Scientific and Practical Conference. International Scientific Unity. May 21-23, 2025. Athens, Greece. P. 97-100.UK: У статті розглянуто сучасні методи статистичного аналізу, що використовуються для оцінки надійності нанотехнологічних пристроїв, з акцентом на інтеграцію алгоритмів машинного навчання (МН), які забезпечують високоточне виявлення відхилень та прогнозування терміну служби наносистем. Для аналізу експериментальних даних з низьким рівнем сигналу використовуються регресійний, кластеризаційний та байєсівський підходи. EN: The paper considers modern statistical analysis methods used in assessing the reliability of nanotechnological devices, with an emphasis on the integration of machine learning (ML) algorithms that provide highly accurate detection of deviations and forecasting the service life of nanosystems. Regression, clustering, and Bayesian approaches are used to analyze experimental data with a low signal level.enстатистичний аналізмашинне навчаннянанотехнологіїstatistical analysismachine learningnanotechnologyModern statistical methods enhanced by Machine learning for analyzing complex and low-noise data in nanotechnologyСучасні статистичні методи, удосконалені машинним навчанням, для аналізу складних та низькошумових даних у нанотехнологіяхArticle