Актуальность исследования заключается в острой необходимости рассмотрения и определения возможных путей использования методов машинного обучения в буровой отрасли, поскольку искусственный интеллект развивается стремительными шагами. Достижение этой задачи предоставит промышленным предприятиям огромное конкурентное преимущество и внесёт важный вклад в научное сообщество для его будущих исследований. Это подчёркивается такими нормативными актами, как Указ Президента Российской Федерации от 10.10.2019 г. № 490 «О развитии искусственного интеллекта в Российской Федерации» и «Национальной стратегией развития искусственного интеллекта на период до 2030 года». Цель: исследование эффективности применения метода машинного обучения Random Forest Classifier для разработки методик подбора роторно-управляемых систем, рассмотрения работоспособности машинного обучения для определения целевых параметров при решении поставленной перед ним задачи в рамках буровой отрасли и определению примерного количества времени, которое может быть затрачено алгоритмом для проработки возможного решения. Объект: метод машинного обучения Random Forest Classifier в условиях решения задачи из буровой отрасли по подбору оптимальной роторно-управляемой системы под конкретно заданные условия. Методы. Выполнены два вычислительных эксперимента с применением двух вычислительно электронных машин, а именно ноутбука и удалённого сервера, предпосылкой для которых стали данные, собранные и проанализированные на основе изучения научной литературы по направлению исследования. В данной статье исследуется возможность применения метода машинного обучения Random Forest Classifier для оптимизации процесса строительства скважин на примере разработки методики подбора роторно-управляемых систем. Вычислительные эксперименты выполнены на двух вычислительных машинах с применением языка программирования Python версии 3.8.10, а также следующих библиотек: NumPy, Pandas, Scikit-learn. Результаты. Проведённые вычислительные эксперименты доказали способность рассматриваемого метода машинного обучения решать задачи по выбору подходящего бурового оборудования, примером которого выступали роторно-управляемые системы. Данный метод способен самостоятельно определять необходимые для выполнения поставленной задачи зависимости и затрачивать на этот процесс незначительное количество времени. Совокупность этих выводов позволяет сделать предположение о целесообразности и необходимости разработки новых способов использования методов машинного обучения в буровой отрасли, а также выполнению множественных научных исследований вопросов о возможностях применения машинного обучения в процессе строительства скважин и анализа их эффективности, поскольку данное направление является передовым и может кардинально изменить существующие представления о протекающих во время бурения скважин процессах.