В современных самолетах установлено большое количество датчиков, ведущих непрерывную запись показателей функционирования его различных подсистем. Для того чтобы получить максимальную пользу от полученных данных, их необходимо правильно анализировать и интерпретировать. Именно развивающаяся область прогнозного обслуживания позволяет качественно контролировать состояние оборудования, выявлять потенциальные неисправности и предотвращать возможные проблемы на раннем этапе. Данная работа посвящена предсказанию Remaining Useful Life (RUL) - количеству оставшихся рабочих циклов до отказа системы, на основе исторических данных работы двигателей. Данную задачу можно сформулировать, как задачу регрессии, и для ее решения были выбраны различные методы машинного обучения. В результате проведенных вычислительных экспериментов было установлено, что ансамблевые алгоритмы на основе деревьев решений позволяют наиболее качественно решить поставленную задачу.