1. Шевнина, Ю. С. Метод оценки состояния нелинейной системы на основе логического анализа данных / Ю. С. Шевнина // Известия высших учебных заведений. Электроника. – 2022. – Т. 27, № 3. – С. 407-415. – DOIhttps://doi.org/10.24151/1561-5405-2022-27-3-407-415. – EDN BZRDEB.

2. Бевзенко, С. А. Применение искусственного интеллекта и машинного обучения в разработке программного обеспечения / С. А. Бевзенко // Инновации и инвестиции. – 2023. – № 8. – С. 187-191. – EDN ODNEIS.

3. Салтанаева, Е. А. Сравнение традиционных методов машинного обучения и глубокого обучения / Е. А. Салтанаева, А. А. Шакиров, А. Р. Гимаева // Научно-технический вестник Поволжья. – 2023. – № 12. – С. 379-381. – EDN EQNUHN.

4. Леохин, Ю. Л. Методы машинного обучения в прикладных задачах прогнозирования динамично изменяющихся данных / Ю. Л. Леохин, С. С. Дымкова, Т. Д. Фатхулин // T-Comm: Телекоммуникации и транспорт. – 2025. – Т. 19, № 8. – С. 49-63. – DOIhttps://doi.org/10.36724/2072-8735-2025-19-8-49-63. – EDN ULVCHG.

5. Гудков, А. А. Прогнозирование эффективности проектной деятельности на основе интеграции подходов бизнес-аналитики и машинного обучения / А. А. Гудков // Вестник Волжского университета им. В.Н. Татищева. – 2024. – Т. 2, № 1(53). – С. 27-36. – DOIhttps://doi.org/10.51965/2076-7919_2024_2_1_27. – EDN QYXZHC.

6. Чистякова, К. А. Практические методы управления реализацией инновационных проектов на основе использования программного обеспечения “Jira” / К. А. Чистякова, В. В. Юдин // Наука и искусство управления / Вестник Института экономики, управления и права Российского государственного гуманитарного университета. – 2023. – № 1. – С. 80-93. – DOIhttps://doi.org/10.28995/2782-2222-2023-1-80-93. – EDN KXHBSV.

7. Коротких, А. В. Методы автоматизированной оценки трудоёмкости задач разработки программного обеспечения / А. В. Коротких, И. В. Потапов // ИТ. Наука. креатив : Материалы I Международного форума: в 5-ти томах, Омск, 14–16 мая 2024 года. – Москва: Общество с ограниченной ответственностью "Издательско-книготорговый центр "Колос-с", 2024. – С. 213-218. – EDN YPZFCG.

8. Нестеров, Ю. Г. Подход к применению машинного обучения в прогнозировании загрузки виртуальных вычислительных систем / Ю. Г. Нестеров, А. П. Калистратов, Г. И. Афанасьев // Современная наука: актуальные проблемы теории и практики. Серия: Естественные и технические науки. – 2019. – № 11-2. – С. 73-76. – EDN PIIMIH.

9. Телегин, В. А. Использование методов машинного обучения для создания алгоритма адаптивной оценки времени выполнения проектных задач / В. А. Телегин // Инновационные научные исследования. – 2023. – № 6-3(30). – С. 146-161. – DOIhttps://doi.org/10.5281/zenodo.8128520. – EDN PXCIGW.

10. Петрунько, А. О. Применение методов машинного обучения при управлении инновационными проектами / А. О. Петрунько, М. Ф. Иванов // Естественно-гуманитарные исследования. – 2025. – № 3(59). – С. 909-915. – EDN JUENGB.

11. Сапунов, А. В. Использование цифровых технологий в принятии управленческих решений / А. В. Сапунов, Т. А. Сапунова // Вестник Академии знаний. – 2023. – № 1(54). – С. 235-238. – EDN FQOQNR.

12. Li, Y. Identifying self-admitted technical debt in issue tracking systems using machine learning / Y. Li, M. Soliman, P. Avgeriou // Empirical Software Engineering. – 2022. – Vol. 27, No. 6. – P. 1-37. – DOIhttps://doi.org/10.1007/s10664-022-10128-3. – EDN JTDVOO.

13. Van Oosten W., Rasiman R., Dalpiaz F., Hurkmans T. On the effectiveness of automated tracing from model changes to project issues // Information and Software Technology. 2023. Vol. 161. Article 107226. DOI:https://doi.org/10.1016/j.infsof.2023.107226.

14. Montgomery L., Lüders C., Maalej W. An alternative issue tracking dataset of public Jira repositories //Proceedings of the 19th International Conference on Mining Software Repositories. – 2022. – С. 73-77.

15. Lüders C. M., Pietz T., Maalej W. Automated detection of typed links in issue trackers //2022 IEEE 30th International Requirements Engineering Conference (RE). – IEEE, 2022. – С. 26-38.

16. Montgomery L., Lüders C., Maalej W. Mining issue trackers: Concepts and techniques //Handbook on Natural Language Processing for Requirements Engineering. – Cham : Springer Nature Switzerland, 2025. – С. 309-336.