Машинное обучение: что это, где применяется и как освоить

В обычной работе задачи для модели выглядят так. Аналитик интернет-магазина хочет заранее знать, кто из покупателей перестанет заказывать. Маркетолог клиники решает, кому звонить с напоминанием о визите. Технолог ищет партии, которые с высокой вероятностью уйдут в брак. Во всех трёх случаях есть таблица с прошлыми событиями и вопрос «что будет дальше».

Выводом моделей в промышленную эксплуатацию занимается ML-инженер, о нём на сайте есть отдельная статья. Здесь речь о навыке для того, кто остаётся в своей профессии, но хочет решать часть задач точнее, чем позволяют сводные таблицы.

Как устроена модель без лишней теории

Большая часть прикладных задач относится к обучению с учителем. У вас есть строки (клиенты, заказы, партии), признаки (число покупок, тип абонемента, температура в цехе) и целевая переменная — то, что нужно предсказать: ушёл клиент или нет, сколько штук продастся. Алгоритм подбирает параметры так, чтобы по признакам как можно точнее угадывать ответ на уже известных примерах. Если ответ — категория, это классификация, если число — регрессия.

При обучении без учителя ответа нет вовсе: кластеризация делит покупателей на группы по похожему поведению, поиск аномалий отмечает необычные транзакции. Осмысленны ли найденные группы, решает человек, который знает предмет.

Когда модель нужна, а когда нет

Модель оправдана, если решение принимается много раз, прошлых случаев достаточно, а ошибка прогноза обходится дешевле ручного разбора. Прогноз оттока для ста тысяч клиентов — хорошая задача. Решение, открывать ли новый филиал, — плохая: такой случай у компании один.

Часто хватает правила в SQL: «клиент не заказывал 60 дней — значит, в зоне риска». Его качество стоит посчитать до обучения модели: это базовая линия, и если модель её не превосходит, сложность не окупается. Чтобы понять, вызвало ли изменение рост продаж, нужен эксперимент, а не прогноз: модель находит связи, но не доказывает причину. А для текстов и черновиков удобнее готовые генеративные нейросети — это соседний навык со своими правилами.

Учебный пример: кто не продлит абонемент

Вымышленная ситуация. Сеть фитнес-клубов хочет за месяц до окончания абонемента понять, кто его не продлит, чтобы менеджеры позвонили именно этим людям. У аналитика есть выгрузка за два года: дата покупки, тип абонемента, посещения по неделям, заморозки и отметка о продлении.

Сначала аналитик фиксирует момент прогноза — за 30 дней до конца абонемента — и оставляет только признаки, известные на эту дату. Затем делит данные по времени: абонементы, закончившиеся в первые полтора года, идут на обучение, последние полгода — на проверку. Потом считает базовую линию по правилу «меньше двух визитов за последний месяц — риск», обучает логистическую регрессию и градиентный бустинг и сравнивает их по метрике, которая отвечает задаче. Менеджеры успевают обзвонить 300 человек в месяц, поэтому важна доля действительно уходящих среди 300 клиентов с самым высоким риском, а не общая точность.

Результат — список на обзвон и честное сравнение с правилом. Если разница мала, разумно оставить правило: это тоже результат работы.

Ошибка, из-за которой модель выглядит лучше, чем она есть

Самая коварная ошибка начинающих — утечка данных: при обучении модель получает сведения, которых в момент реального прогноза не будет. В разделе документации scikit-learn Common pitfalls and recommended practices (п. 12.2) объяснено, что утечка даёт чрезмерно оптимистичную оценку качества, а на новых данных модель потом работает хуже. Общее правило сформулировано коротко: никогда не вызывать fit на тестовых данных.

Там же приведён показательный опыт. Берут 200 объектов и 10 000 признаков из случайных чисел, а целевую переменную с двумя классами тоже задают случайно, так что связи нет и честная доля верных ответов — около 0,5, как при подбрасывании монеты. Если сначала отобрать 25 «лучших» признаков по всем данным и лишь потом разделить выборку, модель показывает на проверке 0,76. Если сначала разделить, а признаки отбирать только по обучающей части, результат ожидаемый — 0,5. Шаг отбора «подсмотрел» тестовые строки, и модель нашла закономерность в шуме.

Значит, утечка возникает не только от грубой ошибки вроде признака «дата расторжения договора» в модели оттока. Нормализация, заполнение пропусков средним, отбор признаков — любой шаг подготовки, обученный на всей таблице, переносит в модель сведения из проверочной части. Документация советует сначала делить данные и лишь потом выполнять предобработку, а шаги собирать в конвейер Pipeline, чтобы при кросс-валидации каждый обучался только на своей части. Практическое следствие: если модель кажется слишком хорошей, сначала ищите утечку и только потом готовьте отчёт руководству.

В каком порядке осваивать

Порядок повторяет учебный пример: сначала данные приводят в порядок, потом ставят задачу и готовят честную проверку, и только затем выбирают модель. Кто начинает с алгоритмов, обычно получает красивую метрику на утёкших данных, поэтому модели и метрики стоят ближе к концу.

1. Python и pandas: загрузить таблицу, объединить выгрузки, найти пропуски и дубли.
2. Статистика и визуализация: распределения, выбросы, корреляции, среднее и медиана.
3. Постановка задачи: что прогнозируем, на какой момент, какие признаки тогда известны.
4. Разделение данных, кросс-валидация, базовая линия.
5. Модели scikit-learn: линейная и логистическая регрессия, деревья, случайный лес, градиентный бустинг.
6. Метрики: средняя абсолютная ошибка, точность и полнота, ROC-AUC, порог отсечения.
7. Интерпретация: какие признаки влияют на прогноз и нет ли утечки.

Математика нужна на уровне понимания: производная, вероятность, матрица. Нейросети стоит брать после уверенных табличных проектов — на табличных данных аналитика и маркетолога градиентный бустинг обычно не уступает им.

Если нужен длинный маршрут с нуля, посмотрите онлайн-курс Skillbox «Machine Learning с нуля до Junior»: в описании заявлены подготовка данных, математика и статистика, регрессия, классификация, кластеризация, нейросети, 10 проектов и соревнование Kaggle, а среди аудитории названы новички, аналитики и программисты. Длительность в обзоре указана и как 9 месяцев, и как год, поэтому срок лучше уточнить у школы.

Упражнения и самопроверка

Для тренировки подойдут открытые наборы данных с понятной задачей: цены квартир, пассажиры «Титаника», отток клиентов телеком-оператора. Ещё полезнее обезличить данные своей работы и повторить путь из учебного примера.

Проверить себя помогают вопросы. Нет ли в признаках того, что появляется после предсказываемого события? Делили ли вы данные по времени? Сравнили ли модель с простым правилом? Устойчив ли результат при другом случайном разбиении? Кроме утечки, новички часто оценивают модель по доле верных ответов при дисбалансе классов (если уходит 5 % клиентов, прогноз «никто не уйдёт» даёт 95 %), подбирают параметры на тестовой выборке и применяют модель к изменившимся данным: новый тариф, другой сезон.

Тем, кто уже пишет на Python, подойдёт программа Нетологии «Машинное обучение: фундаментальные инструменты и практики». По описанию это 10 месяцев и 255 часов, из них 131 час практики; от слушателей ждут уверенного Python и знания математики. В программе — подготовка признаков, scikit-learn, Keras, рекомендательные системы и временные ряды, а дипломный проект строится как эксперимент с зафиксированными данными, базовой линией и метриками.

Как навык влияет на доход

Отдельной «надбавки за машинное обучение» зарплатная статистика не показывает, поэтому речь о задачах, которые навык открывает. Аналитик, который умеет строить и проверять модели, берёт скоринг, прогноз спроса и сегментацию, которые иначе уходят к дата-сайентистам. При этом в вакансиях аналитиков машинное обучение нередко стоит среди желательных требований, а основой остаются SQL, статистика и знание предметной области.

По данным Хабр Карьеры за первое полугодие 2026 года, медианная зарплата аналитиков в IT — 220 000 ₽ в Москве, 180 000 ₽ в Санкт-Петербурге и 160 000 ₽ в других регионах; это фактические зарплаты из калькулятора сервиса по всем уровням, и в группу входят разные аналитики, не только те, кто работает с моделями. По исследованию hh.ru и Talantix, которое пересказывает CNews 1 сентября 2026 года, медианная предлагаемая зарплата в российских вакансиях с упоминанием ИИ-навыков примерно на 11 % выше средней по рынку. Это предложения работодателей, и под ИИ-навыками там понимают в том числе работу с нейросетями, так что считать цифру надбавкой именно за машинное обучение нельзя.

Для своей ситуации сравните вакансии профессии и региона с машинным обучением в обязанностях и без него, глядя на медиану и на то, указана сумма до вычета налога или на руки.

Как выбрать обучение

Если модели нужны в своей работе, ищите программу с табличными задачами, разбором валидации и метрик и проектом, который можно показать руководителю. Если думаете о смене профессии, важнее вывод моделей в эксплуатацию, командная работа с кодом и более глубокая математика. Проверьте также, учат ли делить данные по времени и искать утечки.

Для пути от основ до собственного сервиса есть программа Karpov.Courses «Машинное обучение: от базы до ИИ-продукта», сделанная вместе с AI Talent Hub ИТМО. В описании — 9 месяцев, записанные лекции и три вебинара в неделю, модули от прикладного Python и SQL до MLOps, статистики и A/B-тестов, сервис на FastAPI и продуктовый проект с защитой; на входе достаточно школьной математики. Траектория ближе к инженерной.

Навык не требует диплома или допуска: строить модели в своей работе может любой, кто умеет их корректно проверять. Но онлайн-курс не заменяет практики на своих данных, и первые модели почти всегда оказываются слабее ожиданий.

С какими профессиями связан навык

Машинное обучение — рабочий инструмент аналитика данных, продуктового аналитика, маркетолога-аналитика и BI-специалиста, а инженеру-технологу оно помогает прогнозировать брак и отказы оборудования. Профессии, где модели — основная работа, — дата-сайентист, ML-инженер, специалист по глубокому обучению. Если после первых проектов модели увлекут больше исходной работы, присмотритесь к ним; сравнить школы по формату и цене поможет рейтинг онлайн-школ по машинному обучению. Если же важнее ваша профессия, навыка уровня «ставлю задачу, обучаю модель, проверяю на утечку и сравниваю с простым правилом» хватит надолго.