A hálózatba kötött gépek és az IoT terjedése miatt exponenciálisan növekvő mennyiségű adat áll rendelkezésre különleges zajtípusokkal és a berendezésektől függő egyedi adatformátummal. A gépi tanulási módszerek lehetővé teszik szabályok, függvények, döntések automatikus, emberi beavatkozás vagy segítség nélküli megtanulását. Pontosabb, megbízhatóbb döntések érdekében nagy mennyiségű adat erőforrás-igényes elemzése, összetett optimalizációs és numerikus eljárások tervezése és végrehajtása szükséges. Feladat egy gépi tanuló eljárást tartalmazó rendszer robosztusságának vizsgálata, azaz egy új tanítópont figyelembe vétele elrontja-e a tulajdonságait. Céljaik között szerepel összetett rendszerek irányítása gépi tanuló algoritmussal (model predictive control – MPC), az optimális beavatkozó jel megtanítása, az irányított rendszerre stabilitási garanciák biztosítása.