Прогнозирование инфляции является критически важной задачей, которая играет значимую роль в формировании стратегий финансового планирования, инвестиционной деятельности и политики центральных банков. В условиях постоянно меняющейся экономической среды, способность точно предсказывать изменения уровня цен становится неотъемлемым инструментом для эффективного управления экономическими рисками. В данной работе основное внимание уделяется разработке, анализу и сравнению различных подходов к прогнозированию инфляции, включая как современные методы машинного обучения, так и традиционные эконометрические модели. В ходе исследования были разработаны и протестированы различные модели прогнозирования, включая градиентный бустинг, случайный лес, LSTM, сверточные нейронные сети (CNN), а также эконометрические методы, такие как ARIMA, VAR и Prophet. Проводилось обучение этих моделей для прогнозирования индекса потребительских цен (CPI) России на периоды в 1, 2 и 3 месяца вперед, а затем анализ и сравнение их эффективности. Это позволило выявить наиболее точные и эффективные подходы для решения задачи прогнозирования инфляции в России. Результаты данного исследования могут быть использованы специалистами в области экономики и финансов.