Статья посвящена разработке методических приемов к применению технологий машинного обучения для решения задач по углубленному анализу геолого-физических параметров на основе результатов лабораторных исследований шлифов керна. Для достижения поставленной цели был разработан специализированный табличный формат описания шлифов керна карбонатных отложений. На основе разработанного формата сформирована база данных для последующего анализа и применения технологий глубокого и поверхностного обучения. В качестве объекта исследования выбрана пермокарбоновая залежь Усинского месторождения, расположенного в Республики Коми. Технология глубокого обучения была применена с целью получения математической модели прогноза ряда геологических параметров по фотографиям шлифов. В качестве основного примера был рассмотрен прогноз восьми классов по Данему, выделяемых по шлифам. Разработанный формат позволяет все текстовые описания геологических характеристик шлифа представить в табличном виде с дискретной кодировкой. Табличное представление даёт ряд преимуществ. Во-первых, это позволяет выполнять математико-статистический анализ описания шлифов; во-вторых, можно формировать базу для анализа, используя результаты работы разных авторов, включая фотографии шлифов; в-третьих, дает возможность сопоставлять и анализировать параметры, полученные по шлифам с другими результатами исследований кернов. На примере пермокарбоновой залежи Усинского месторождения по разработанному формату была сформирована уникальная база по данным более 1000 шлифов из 6 скважин. Дополнительно к описаниям шлифов в базу данных была загружена информация по результатам лабораторных исследований различных геолого-физических параметров, полученная на образцах керна из тех же интервалов, что и шлифы. На основании сформированной базы данных было получено соотношение газопроницаемости и пористости с категоризацией точек по классификации Данема на пермокарбоновой залежи Усинского месторождения. Сформированная база данных описаний шлифов связана и с фотографиями шлифов, что, в свою очередь, позволяет применять современные технологии компьютерного зрения, основанные на глубоком обучении, для анализа и прогноза параметров шлифов. В результате проведенных экспериментов была получена модель, которая позволяет по фотографии шлифа выделять геологические параметры. На сегодняшний день работы по пополнению базы и совершенствованию модели продолжаются, но полученная модель уже используется как инструмент, ускоряющий процесс анализа шлифов.