A gépi tanulásban az osztályozási feladatok központi szerepet töltenek be. Ezeknél a feladatoknál bemenet-kimenet párokból álló minta alapján kell a kimeneti osztályváltozót a bemeneti változó segítségével modellezni. Általában az optimális osztályozó és/vagy a regressziós függvény becslése a cél.
Ehhez kapcsolódóan a hallgató érdeklődéséhez mérten többféle feladat is kitűzhető:
1) A regressziós függvény egy adott pontbecsléséhez hogyan konstruálható konfidenciahalmaz minél gyengébb statisztikai feltevések mellett? Ezek a konstrukciók milyen elméleti garanciákat szolgáltatnak (egzaktság, konzisztencia)? Ezekhez a kérdésekhez kiindulási alapot adhat többek között a statisztikus tanuláselmélet, a VC dimenzió fogalma és a Rademacher-bonyolultság.
2) Izgalmas projekt feladat lehet a meglévő konfidenciahalmaz-konstrukciók implementálása és hozzáférhető adathalmazokon való validálása, illetve a halmazbecslések fejlesztése a tapasztalati eredmények alapján.