The development of credit scoring is one of the key topics of attention in credit risk management in financial companies. However, a single approach to produce rating cards is frequently worthless since loan products differ in risk and financing time and often there is insufficient information on borrowers. The paper addresses the features of creating score cards for consumer credit, refinancing, small and medium businesses, auto loans, mortgage loans, fintech and P2P lending. Thus, the present work can be considered as the above comparative analysis of the most important elements influencing the probability of default of the borrower in the settlement by segments, together with the consideration of machine learning techniques and the use of alternative data sources that can improve the accuracy of the forecast. Depending on the usual credit product, the analysis lets one create recommendations for choosing the optimal approach of creating scoring cards, so enhancing the accuracy of the borrower’s creditworthiness projection and reducing the degree of default risk.

Spatiotemporal analytics of population movement and density data plays a crucial role in building a «smart city», providing a basis for optimizing urban planning, improving transport systems, increasing public safety, environmental monitoring, developing digital services and urban analytics. This article presents the results of a study on spatiotemporal patterns of distribution and concentration of the population of Almaty using the method of dynamic heat maps. To build a complete picture of the movement, density and activity of the population, open geographic data from OpenStreetMap (OSM) and aggregated data from a mobile operator were used. Analysis of the load on urban quadrants of 500×500 meters based on OSM made it possible to assess the key patterns of change in population density depending on the time of day. Visualization of spatiotemporal data is implemented using the Python Folium library, which ensured the creation of clear interactive maps. The scientific novelty of the study lies in the study of urban processes in Almaty based on integrated data from different sources reflecting the spatiotemporal features of the dynamics of the urban population. The results obtained demonstrate clear patterns of population concentration that can be used to more accurately forecast and plan the allocation of resources and urban infrastructure.

This article presents a comparative analysis of international benchmarking systems and their application to assessing urban livability and citizen engagement. The research examines key global indices – Economist Intelligence Unit (EIU), Mercer, PwC, TUWIEN Smart City Model, MIT Treepedia, and the National League of Cities (NLC) – to identify dominant trends and classification models of city benchmarking. Four major types of benchmarking practices were defined: multi-factor indices, single-indicator rankings, thematic analytical reviews, and diagnostic metrics. An empirical case study of Almaty, Kazakhstan, demonstrates the adaptation of international practices to the local context. Between 2020 and 2023, over 1,500 participatory projects were implemented under the Participatory Budget program, primarily in urban greening, infrastructure, and public safety. The findings show that digital governance platforms (Open Almaty, iKomek, Almaty Urban Center) enhance civic participation but remain limited by unequal digital access. The study concludes that benchmarking serves as an effective governance and evaluation tool for improving urban livability and inclusiveness. The Almaty case illustrates the potential of combining global best practices, data-driven governance, and participatory approaches to foster sustainable urban transformation. © 2025, Kazakh-British Technical University. All rights reserved.

Gene expression analysis has become a key component in understanding cellular behavior, disease mechanisms, and drug response. The advent of high-throughput sequencing, particularly single-cell RNA sequencing (scRNA- seq), has expanded our ability to study cellular heterogeneity to an unprecedented level. Clustering algorithms needed to group genes or cells with similar expression profiles have become invaluable for analyzing the massive data sets generated by these technologies. This article reviews various clustering methods applied to gene expression data, particularly single-cell RNA sequencing. The analysis covers traditional methods such as hierarchical clustering and k-means, as well as more advanced approaches such as model-based clustering, machine learning-based methods, and deep learning methods. The primary challenges encompass handling high-dimensional data, mitigating noise, and achieving scalability for large datasets. Moreover, new advancements such as multi-omics data integration, deep learning-based clustering, and federated learning offer potential enhancements in accuracy and biological relevance for clustering applications in gene expression research. The review concludes with a discussion of clustering algorithms in handling increasingly complex gene expression data for more accurate biological insights.

Разработана интеллектуальная система непрерывного контроля реологических параметров буровых растворов на основе автоматического измерения плотности и методов искусственного интеллекта. Проведены лабораторные испытания и сравнительный анализ с эталонным вискозиметром Fann 35 при температуре 80 °C. Разработанная система обеспечивает измерения с погрешностью не более 2,5%, соответствующей требованиям API RP 13B-1, и выявляет аномальные изменения параметров менее чем за 30 секунд. Полученные результаты подтверждают эффективность предложенного подхода для повышения оперативности контроля, снижения влияния человеческого фактора и интеграции в цифровые системы управления бурением.

В статье рассматривается решение прямой задачи гравиразведки для интерпретации данных гравиметрического мониторинга состояния недр на нефтегазовых месторождениях. Для оценки геодинамических рисков, возникающих при длительной эксплуатации залежей углеводородов, предложено использование метода имитации отжига в рамках стохастической оптимизации. Подход реализован на моделях горизонтальной призмы, однородной сферы и вертикального уступа. Выполнено тестирование алгоритма на реальных данных гравиметрических наблюдений, полученных на месторождении в Атырауской области Казахстана. Результаты показали приемлемую точность и устойчивость метода, а также возможность повышения достоверности геологической модели и сокращения времени обработки гравиметрических данных.

В статье представлены результаты комплексных геофизических исследований, проведенных в юго-западной части хребта Большой Каратау. Исследование сосредоточено на выявлении и картировании перспективных зон полиметаллического оруденения корово-карстового типа. На основе анализа различных геофизических данных определены структурные, литологические и пространственные закономерности, контролирующие локализацию руд. Интерпретированные аномалии позволяют точно оконтурить поисковые мишени и обеспечивают надежную основу для планирования последующих буровых работ в пределах карстованных карбонатных толщ.

В статье рассматриваются вопросы применения комплекса геофизических методов для обнаружения и картирования перспективных зон прожилково-вкрапленной минерализации на участке Жасылтюбе. На основе анализа геоэлектрических, магнитометрических и других геофизических параметров авторами обоснована оптимальная методика поисковых работ. Выявлены основные закономерности распределения аномальных зон, ассоциирующих с оруденением, и дана оценка их структурно-морфологических особенностей. Полученные результаты позволяют локализовать поисковые мишени и оптимизировать заложение горно-буровых выработок на исследуемой площади.

В статье представлены результаты высокоточной аэромагнитной съемки вдоль Шу-Сарысуйского геотраверса. Выполнена интерпретация магнитного поля для изучения глубинного строения бассейна, выделения разломных зон, картирования структур фундамента и оценки перспектив нефтегазоносности территории. Показана эффективность аэромагнитных исследований при региональном геологическом изучении газоносных бассейнов

В статье выполнено сравнение технологий прогнозирования коллекторских свойств по сейсмическим данным на основе линейных и нелинейных алгоритмов. На примере Арыктинского газоконденсатного месторождения проведен анализ результатов престековой инверсии и методов машинного обучения. Показаны преимущества нейросетевых алгоритмов при прогнозировании петрофизических параметров и уточнении внутреннего строения продуктивных отложений