신승준 연구실은 고려대학교 통계학과를 기반으로 통계적 기계학습, 충분차원축소, 고차원 데이터 분석, 변수선택 및 정규화 기법 등 현대 통계학의 핵심 분야에서 국내외적으로 선도적인 연구를 수행하고 있습니다. 본 연구실은 이론적 연구와 실용적 응용을 균형 있게 추구하며, 다양한 실제 데이터 분석 경험을 바탕으로 학문적 성과와 사회적 파급효과를 동시에 창출하고 있습니다. 연구실의 주요 연구 분야 중 하나는 충분차원축소(SDR) 및 차원축소 기반의 기계학습 알고리즘 개발입니다. 선형 및 비선형 SDR, 커널 기반 SDR, 실시간 데이터 스트림 환경에서의 SDR 등 다양한 방법론을 제안하고 있으며, 지원 벡터 머신, 로지스틱 회귀, 분위수 회귀 등과 결합한 새로운 알고리즘을 통해 고차원 데이터의 해석력과 예측력을 높이고 있습니다. 이러한 연구는 실제 이항 분류, 다중 분류, 생존분석 등 다양한 문제에 적용되고 있습니다. 또한, 고차원 데이터 환경에서의 변수선택과 정규화 기법 연구도 활발히 이루어지고 있습니다. LASSO, SCAD, Adaptive LASSO, 그룹 LASSO 등 다양한 정규화 기반 변수선택 방법론을 개발하여, 유전체 데이터, 의료 데이터, 환경 데이터 등에서 유의미한 신호를 효과적으로 추출하고 있습니다. 변화점 탐지, 분위수 회귀, 생존분석 등 다양한 통계적 모형에 정규화 기법을 적용하여, 실제 문제 해결에 기여하고 있습니다. 신승준 연구실은 통계적 기계학습의 첨단 이론을 유전체, 의료, 환경, 경제, 마케팅 등 다양한 실제 데이터 분석에 적용하고 있습니다. 암 유전체의 이질성 분석, 환자 생존율 예측, 기온 변화 탐지, 실시간 소비 예측 등 사회적으로 중요한 이슈에 통계적 방법론을 적용하여 학문적 성과뿐만 아니라 사회적·산업적 가치를 창출하고 있습니다. 앞으로도 신승준 연구실은 통계적 기계학습, 충분차원축소, 고차원 데이터 분석 등 핵심 연구 분야에서 이론적 혁신과 실용적 응용을 동시에 추구하며, 데이터사이언스와 통계학의 미래를 선도하는 연구실로 자리매김할 것입니다.