۱۳. یادگیری داده ساختار: این شاخه با داده‌های ساختار یافته که به صورت رسمی در پایگاه داده‌ها و برگه‌های اکسل هستند، سر و کار دارد. الگوریتم‌هایی مانند درخت‌های تصمیم و جنگل‌های تصادفی بر روی این مجموعه داده‌ها اعمال می‌شوند.
۱۴. یادگیری چند نمونه‌ای: در موقعیت‌هایی مطرح می‌شود که داده به کیسه‌هایی گروه بندی می‌شود و هدف این است که مشخص کنیم کل کیسه مثبت یا منفی است با توجه به نمونه‌هایی که دارد.
۱۵. یادگیری ماشین کوانتومی: از کامپیوتر‌های کوانتومی برای اجرای وظایف یادگیری ماشین به صورت کاراتر، مخصوصا برای مسائل بهینه سازی پیچیده استفاده می‌شود.
