- analiza danych i wykrywanie wzorców
- przetwarzanie języka naturalnego (NLP)
- rozpoznawanie i przetwarzanie obrazów (CV)
- uczenie ze wzmocnieniem (RL) – uczenie proceduralne
- algorytmy uczenia maszynowego dla klasyfikacji i regresji
- analiza sekwencji biologicznych (np. DNA), analiza wariantów genetycznych, bioinformatyka
- analiza danych medycznych, w szczególności obrazowych, opisowych, inżynieria biomedyczna, fuzja danych
- wykorzystanie algorytmów grafowych – optymalizacja scenariuszy, planowanie
- detekcja anomalii, nadużyć i nietypowych zachowań użytkowników
- tworzenie baz wiedzy – wsparcie dla konsultantów, analityków i wykorzystanie w systemach wyszukujących informacje
- personalizacja ofert i systemy rekomendacyjne
- zastosowanie deep learning w nowych domenach np. finansowych
- wsparcie w tworzeniu zaawansowanych systemów informatycznych, np. systemy agentowe, systemy rozproszone i silnie-równoległe, implementacja złożonych algorytmów operujących na dużych wolumenach danych i ich optymalizacja softwarowa i sprzętowa (np. poprzez wykorzystanie GPU, FPGA)
- wykorzystanie algorytmów adaptacyjnych np. celem ulepszenia istniejących procesów i narzędzi do robotyzacji (rozpoznawanie wejścia/wyjścia – ekstrakcja danych, analiza i wykrywanie nowych scenariuszy automatyzacji)