Обучение модели информационной рекомендательной системы связано с исследованием применяемых матема- тических и информационных методов и моделей, их комбинаций с целью обеспечения необходимой точности формируемых прогнозов и выводов. В статье рассматривается машинное обучение модели рекомендательной системы с применением статистических методов и анализа больших данных, направленной на решение во- просов индивидуализации образования. В данном случае точность машинного обучения модели зависит от типа статистической модели, используемой для прогнозирования вероятности возникновения некоторого события по значениям множества признаков, а также обучающей выборки, используемой для подбора па- раметров, и функции регуляризации, используемой для улучшения обобщающей способности получающейся модели. В рамках исследования проверяются модели на основе логистической регрессии, методах наивного байесовского классификатора (Naïve Bayes), регрессии типа Лассо. Экспериментально подтверждается теоретическое предположение о возможности создания рекомендательной системы по вопросам индивиду- ализации образования на основе массива образовательных данных, включающего результаты учебной и вне- учебной деятельности учащихся. Формулируются выводы о наличии корреляционных зависимостей в данных, которые могут быть использованы для повышения точности обучения модели рекомендательной системы.