研究室紹介
本研究室では，統計科学，データサイエンス，機械学習について研究しています．このような研究に興味のある学生を募集しています．
研究室での生活
ゼミを週 1 回（90分 ~ 120分程度）行います．基本的には，この週 1 回のゼミが研究室活動で拘束される時間となります．
本研究室では，学生の学会発表や論文投稿を推奨しています．研究成果が出たら，学会や論文でどんどん発表しましょう（旅費等は研究室で負担します）．
研究室で身に付けて欲しい技術
まずは，統計学や機械学習の理論，ならびにその計算機への実装技術を身に付けてください．それ以外にも次の技術を是非とも身に付けて欲しいです．
論理的に考えること
論理的な文章が書けること
論理的に説明できること
これら3つの事項は，社会の中で生きていく上で大変重要な技術です．1 についてはこれまで受けた教育の中である程度鍛えられていますが，2, 3 についてはこれまであまり鍛えてこなかった部分かと思います．研究室での活動を通して，是非ともこれらの技術を鍛えて身に付けてください．
研究室ゼミ（学部生）
統計学や機械学習に関する基礎的な本を輪読して，その内容を発表します．
これまで輪読に用いた書籍は以下の通りです．
小西貞則 (2010) 多変量解析入門．岩波書店．
古澄英男 (2015) ベイズ計算統計学．朝倉書店．
川野秀一 ，松井秀俊，廣瀬慧 (2018) スパース推定法による統計モデリング．共立出版．
赤穂昭太郎 (2008) カーネル多変量解析．岩波書店．
中川裕志 (2015) 機械学習．丸善出版．
Efron, B., Hastie, T. (著)，藤澤洋徳，井手剛 (監訳)，井尻善久，井手剛，牛久祥孝，梅津佑太，大塚琢馬，尾林慶一，川野秀一，田栗正隆，竹内孝，橋本敦史，藤澤洋徳，矢野恵佑 (訳) (2020) 大規模計算時代の統計推論―原理と発展―．共立出版．
Hastie, T., Tibshirani, R., Friedman, J. (2009) The Elements of Statistical Learning. Springer.
Hastie, T., Tibshirani, R., Wainwright, M. (2015) Statistical Learning with Sparsity: The Lasso and Generalizations. CRC press.
James, G., Witten, D., Hastie, T., Tibshirani, R. (2023) An Introduction to Statistical Learning: with Applications in Python. Springer.
輪読に加えて，学んだデータ解析手法の数式やアルゴリズムをプログラミングして数値実験を行い，数値的な観点からも理解します．
本研究室では他学年のゼミに出席することを推奨しています（決して強制ではありません）．上の学年のゼミに出席すると，その研究内容だけでなく先輩のプレゼンテーション技術も勉強することができます．一方，下の学年のゼミに出席すると，復習になります．
研究室ゼミ（大学院生）
ゼミの前半では，学部生ゼミと同じように，統計学や機械学習に関する基礎的な本を輪読します．
ゼミの後半では，研究の進捗を報告します．
研究テーマは学生の興味に沿って決めます．自分が何に興味があるか分からない人もいると思うので，その場合は先生が研究テーマを提案します．
ゼミ中に研究になりそうなネタを先生が言うことがあります．
研究進捗では，うまくいった点，うまくいかなかった点を報告します．特にうまくいかなかった点がある場合は必ず報告するようにしてください．その部分に新たな研究が隠れていることがよくあります．
研究室ゼミとは別に，学生主体の「自主ゼミ」もよく開かれています．これまで自主ゼミで用いた書籍は以下の通りです．
久保川達也 (2017) 現代数理統計学の基礎．共立出版．
小西貞則，北川源四郎 (2004) 情報量規準．朝倉書店．
Ferguson, T. S. (著)，野間口謙太郎 (翻訳) (2017) 必携 統計的大標本論 ―その基礎理論と演習―．共立出版．
Hernan, M. A., Robins, J. M. (2021) Causal Inference: What If. CRC press.
学部生ゼミと同じように，大学院生も他学年のゼミに出席することを推奨しています（決して強制ではありません）．