Одним із аспектів магістерської роботи є використання статистичного програмного забезпечення як педагогічного інструменту для обробки, візуалізації та аналізу даних в рамках курсу "Комп'ютерна математика". У роботі висвітлено актуальність застосування методів інтелектуального аналізу даних для розв'язання деяких типових задач. Розкрито суть основних методів Data Mining, а саме класифікації та регресії, продемонстровано та проаналізовано використання лінійної та логістичної регресії, деяких загальних алгоритмів класифікації таких як, дерева рішень, баєсів класифікатор, випадковий ліс та метод k-найближчих сусідів. У магістерській роботі реалізовано та проінтерпретовано методи логістичної регресії та класифікації, застосовані до експериментальних даних в програмному середовищі RStudio. Ключові слова: обробка даних, аналіз даних, регресійний аналіз, лінійна регресія, логістична регресія, дерева рішень, баєсів класифікатор, випадковий ліс, RStudio. ? One of the aspect of the master`s work is the use of statistical software as a pedagogical tool for data processing, visualization and analysis as part of the "Computer mathematics" course. The paper deals with the relevance of using methods of intellectual data analysis in order to solve some typical problems. It is spoken in detail about common Data Mining methods include classification, regression, was demonstrated and analyzed using linear and logistic regression techniques from statistics, was reviewed some well-known classification algorithms include decision trees, Bayesian Classification, Random Forest method and k-nearest neighbor classifiers. The master`s work gives a detailed description of realization and interpretation of logistic regression and classification methods applying to experimental data in integrated development environment RStudio. Keywords: data processing, data analysis, visualization, regression, linear regression, logistic regression, decision tree, Bayesian Classification, Random Forest, RStudio.