原則として、学生自身が本人の興味や必要性に応じて研究テーマを設定することを想定しています。ゼミ配属前の面談時に、教員が持つスキルセットで指導できそうな研究テーマになるかどうかを検討し、受け入れの可否を判断します。設定した研究テーマに応じて、必要な解析手法を学んだり、先行研究を調べたりしながら、研究を進めていきます。新しい手法を開発するよりも、データを用いて具体的な問題解決を行うことを優先します。
なお、教員自身の専門分野（物理学分野や生命科学分野）に関するアカデミックな研究テーマは（データサイエンス以外のドメイン知識の習得にかなりの時間をとられることになってしまうため）基本的には想定していません。現状では、実社会におけるデータサイエンスの中でも、物理的な影響が直接問題に関わってくるような研究テーマを選んでいる学生が多いです。
これまでのゼミ生が修士論文で利用した主な手法は以下の通りです。
ベイズ最適化
最適制御
ベイジアンネットワーク
大学院の学生は少人数でありテーマもまちまちであるため、現在のところは週に一度の個人指導を中心にしています。（ゼミ生の人数によっては隔週になることもあるかもしれません。）教員との連絡には学部ゼミ生とも共用でSlackを利用しています。学部のゼミ生とも緩く繋がってもらえると嬉しいです。また、興味があれば学部ゼミのグループワーク等にも参加してもらうことは可能です。
希望に応じて、ゼミ内で教科書の輪読会も行っています。学部のゼミ生も参加可能です。
Pythonによるディープラーニング（2024年）
ベイズ最適化（2024年）
統計的因果推論の理論と実装 （2023年）