Ярким примером задач обучения без учителя являются задачи кластеризации, т.е. задачи разбиения множества наблюдений на такие группы, что наблюдения внутри каждой группы являются похожими, а наблюдения из разных групп отличаются друг от друга. Классические алгоритмы кластеризации зависят от функции расстояния между наблюдениями. Однако на практике, за исключением нескольких узких предметных областей, определение корректной функции расстояния является очень сложной экспертной задачей. Альтернативой кластеризации может служить Pattern Mining (Data mining), в рамках которой не требуется определять функцию расстояния. Однако, количество возможных групп является очень большим и поэтому требуется уметь определять ограниченное количество самых интересные групп наблюдений. Также эта задача является вычислетельно очень сложной.

В рамках данного направлению требуется разрабатывать новые эффективные алгоритмы кластеризации и/или применять их на практике. Примеры областей применения существующих подходов: маркетинг, медицина, футбол и пр. Для людей с хорошей подготовкой по программированию, может быть интересны задачи распараллеливания сложных алгоритмов обучения без учителя на вычислительный кластер или видеокарту.