Предлагается метод восстановления коэффициента теплообмена из граничных условий третьего рода для численной модели нестационарной теплопроводности. Подход основан на решении обратной коэффициентной задачи теплопроводности, сведенной до задачи «машинного обучения» с одновременной многопараметрической оптимизацией методом стохастического градиентного спуска. Данный подход сравнивается с классическим способом восстановления коэффициента теплообмена через критериальное уравнение Нуссельта. В результате численного эксперимента было установлено, что предложенное решение является на 13,8% более точным и на 37,5 % более устойчивым.