Рассматриваются различные типы задач машинного обучения, включая обучение с учителем, диагностику моделей и методы предварительного анализа данных. Базовые понятия объясняются доступным языком и содержат множество примеров из реального мира. Ррассказано о техниках машинного обучения, включая линейную регрессию, деревья решений, метод опорных векторов, а также другие классические модели. Читатели узнают, как выбирать параметры для моделей, оценивать их производительность и настроить их для использования в реальных приложениях. Включает в себя обзор популярных библиотек Python, используемых для разработки машинного обучения. Соответствует ФГОС ВО последнего поколения. Для студентов бакалавриата, обучающихся по направлениям «Прикладная математика и информатика», «Прикладная информатика».