빅데이터와 인공지능 시대에서 자료는 기하급수적으로 생산되고 있다. 이러한 자료에서 분석 목적에 따라 필요한 변수의 차원은 매우 높고, 이러한 고차원 자료분석에서 차원의 저주 문제는 직면할 수 밖에 없는 문제이다. 이러한 현실적 문제를 해결하는 하나의 방법으로 차원축소 (Dimension Reduction)이 제시된다. 회귀분석에서 충분차원축소는 대표적으로 사용될 수 있는 방법이고, 방법론은 비선형 자료로에서도 가능하다.
통계추론에 필요한 수치적 Monte Carlo 기법의 개발을 수행한다. 특히 최근 베이지안 추론에 필수적으로 요구되는 Markov chain Monte Carlo 기법의 개발을 통하여 통계적 모형의 다양성 확대와 베이지안 추론의 적용 영역 확대에 기여한다. 최근 들어 폭발적으로 급증하는 대용량 데이터와 기존의 과거에서 볼 수 없던 복잡하고 다양한 구조의 데이터를 분석하기 위한 새로운 Data Mining 방법론, 기계학습 및 강화학습 방법들을 제안하고 연구한다. 특히 Regression과 Classification분야에서 예측력을 높이기 위한 새로운 방법론을 제안하고 여러 방법론들의 성능 비교를 위한 Measure를 찾는다.
공중위생(public health)과 생물의학(biomedical science)의 자료를 분석하기 위한 통계적 이론 수립과 이에 대한 응용 영역 확대에 기여한다. 특히 임상실험, 관찰연구, 환경 및 유전(체)학에 필요한 생존분석 등을 포함한 다양한 통계적 방법 연구 및 분석을 진행한다.