---

**Резюме**

В рамках работы была создана и обучена модель классификации изображений с помощью сервиса Teachable Machine (Google). Модель решает задачу бинарной классификации: определяет, изображены на фотографии кошки или собаки. Для обучения использовались два класса («Кошки» и «Собаки») по 3 образца изображений в каждом. После обучения модель была протестирована на новом изображении собаки (бордер-колли). Система корректно распознала объект как «Собаки» с высокой степенью уверенности.

**Постановка задачи**

Необходимо разработать модель машинного обучения для автоматического распознавания изображений кошек и собак.  

Требования:
- Использовать платформу Teachable Machine.
- Создать два класса: «Кошки» и «Собаки».
- Загрузить по несколько образцов изображений для каждого класса.
- Обучить модель.
- Провести тестирование на новых изображениях и получить результаты классификации с указанием вероятностей.

**Результаты распознавания**

Модель успешно обучена (статус: «Модель обучена»).

Тестовое изображение: фотография чёрно-белой собаки (бордер-колли), лежащей на траве.

Выходные данные модели:
- **Кошки** — низкая вероятность (практически 0 %)
- **Собаки** — высокая вероятность (≈ 96–98 %)

Модель корректно классифицировала изображение как «Собаки».