Para predecir la propagación de la nueva infección por coronavirus COVID-19, se han determinado los valores críticos de los indicadores de propagación para decidir sobre la introducción de medidas restrictivas utilizando la ciudad de Moscú como ejemplo. Se desarrolló un modelo utilizando métodos clásicos de modelado matemático basados en regresión exponencial, se estimó la precisión de la predicción y se señalaron las deficiencias de los métodos matemáticos para predecir la propagación de la infección por más de dos semanas. Como solución al problema de la precisión de las previsiones a largo plazo por más de dos semanas, se proponen dos modelos basados en métodos de aprendizaje automático: una red neuronal recurrente con dos capas de bloques de memoria a corto y largo plazo (LSTM) y una red neuronal convolucional 1-D con una descripción de la elección de un algoritmo de optimización. La precisión de la predicción de los modelos de ML fue evaluada en comparación con el modelo de regresión exponencial y entre sí utilizando el ejemplo de datos sobre el número de casos de COVID-19 en la ciudad de Moscú.