Побудовано математичні моделі опису поширення коронавірусу COVID-19 в різних країнах. Проведено порівняльний аналіз цих моделей для США, Мексики, Росії, Бельгії та України. Початкові дані щодо кількості випадків отримано зі щоденних звітів Всесвітньої організації охорони здоров’я та Центру системних наук та інженерії при Університеті Джона Хопкінса. Для моделювання поширення коронавірусу обрано два потужних методи машинного навчання, що прогнозують нелінійні часові ряди: опорних векторів та багатошарових нейронних мереж прямого розповсюдження. Виявлено переваги і недоліки цих методів, розглянуто питання регуляризації. Побудову і навчання моделей часових рядів для опису поширення коронавірусу COVID-19 в різних країнах світу, вибір найкращої моделі, побудову прогнозу поширення та візуалізацію результатів виконано у реалізованому програмному модулі в середовищі python з використанням сучасних бібліотек scikit-learn, pandas та matplotlib. За допомогою методу решітчастого пошуку з крос-валідацією підібрано найкращі параметри нейронних мереж та опорних векторів в моделях опису поширення COVID-19 в США, Мексиці, РФ, Бельгії та Україні. На основі побудованих моделей виконано прогнозування кількості приросту захворювань на COVID-19 в цих країнах.