Какие задачи по ML интересуют

Наиболее востребованы задачи классификации (спам/не спам, фрод/легитимные операции), регрессии (прогнозирование цен, спроса), кластеризации (сегментация пользователей, аномалии). Также популярны рекомендательные системы, NLP (чат-боты, анализ тональности), Computer Vision (распознавание объектов, медицинская диагностика).

Пример классификации на Python:

from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split

data = load_iris()
X_train, X_test, y_train, y_test = train_test_split(data.data, data.target, test_size=0.3)
model = RandomForestClassifier()
model.fit(X_train, y_train)
print("Accuracy:", model.score(X_test, y_test))

Особый интерес — задачи с несбалансированными данными, интерпретируемостью моделей и автоматизацией ML (AutoML).