• Statystyczne uczenie maszynowe: dopasowywanie predyktorów za pomocą minimalizaji penalizowanej straty, budowa oszczędnych modeli dla danych wysokiego wymiaru.


• Biostatystyka: modele przestrzenne występowania chorób, analiza danych genomowych.


• Statystyczne metody do modelowania białek i predykcji ich struktury: symulacja procesów zwijania się białka, wzrostu kryształu, statystyczne potencjały kontaktowe, macierze podstawień, analiza własności aminokwasów.


• Statystyka obliczeniowa: metody Monte Carlo, algorytmy związane z łańcuchami Markowa (agreagacja stanów, Markov Chain Monte Carlo)

• Statistical machine learning: fitting predictors via penalized loss minimization, model selection for high-dimensional data


• Biostatistics: spatial models for disease mapping, genomic data analysis (microarrays, next-generation sequencing)


• Statistical methods for protein modeling and structure prediction: simulation of folding and crystal growth processes, assembling and analysis of statistical contact potentials, substitution matrices and amino acids properties


• Computational statistics: Monte Carlo methods, algorithms for Markov chains (state aggregation, Markov Chain Monte Carlo)

SOSnet : oszczędne modelowanie i predykcja dla danych wysokiego wymiaru (2015-2019, NCN, opus)

SOSnet: sparse modelling and prediction for high-dimensional data (2015-2019, NCN, opus)