V
主页
京东 11.11 红包
【因果推断】关于因果推断的一百个故事 100 Stories of Causal Inference——哥伦比亚大学教授Andrew Gelman
发布人
【因果推断】关于因果推断的一百个故事 100 Stories of Causal Inference——哥伦比亚大学教授Andrew Gelman(贝叶斯统计大牛、贝叶斯数据分析(Bayesian data analysis)作者、统计最高奖“考普斯会长奖”得主) @徐芝兰
打开封面
下载高清视频
观看高清视频
视频下载器
国际数理统计学会前主席【高维因果推断High dimensional Causal Inference】—苏黎世联邦理工大学教授Peter Bühlman
【高维统计推断】
【因果推断概论 Introduction to Causal Inference】
厦门大学李木易教授:基于多维谱方法的弱向量自回归模型的拟合优度检验
【贝叶斯数据分析全打通(2)】——宋心远(香港中文大学统计系教授)
【统计推断】矩估计Method of Moments——亚利桑那大学教授Joseph C. Watkins
加州大学计算遗传学教授,美国科学院院士【Majorization-Minimization Algorithm】——Kenneth L Lange
杜克大学【是否存在更简单的模型以及我们如何找到它们?KDD 2019 - 主题演讲】
统计最高奖得主【稀疏估计中令人不愉快的性质Unpleasant Properties of Sparse Estimators(e.g. Lasso)】
【贝叶斯数据分析全打通(4)】——宋心远(香港中文大学统计系教授)
哥伦比亚大学【比双重差分法更好 Better than difference-in-differences】——Andrew Gelman
【高能物理里的统计推断】
统计最高奖得主【非参数方法的缺陷Pitfall of Nonparametric Methods 】—Larry Wasserman
统计最高奖得主【贝叶斯因果推理出了什么问题?Problems With Bayesian Causal Inference】—Larry Wasserman
统计 | 曾是谷歌高级研究科学家,将于2024年1月加入华盛顿大学计算机系任助理教授【麻省理工MIT博士答辩】——Natasha Jaques
哈佛大学孟晓犁【全套马尔可夫链蒙特卡洛算法The full Monte Carlo--A live performance with stars】
【一次带你打通关统计推断基础(2)】——威尔·菲西安(Will Fithian, 加州大学伯克利分校统计系教授)
曾是苹果公司特别项目组机器学习负责人、Google Brain的研究科学家【生成对抗网络(GAN)】——Ian Goodfellow
【变分贝叶斯及其他-大规模的贝叶斯推断(ICML 2018)】
统计最高奖得主、华盛顿大学教授【图模型结构的学习 Learning the Structure of a Graphical Model】——丹妮拉·威滕
贝叶斯超级大佬【针对复杂的大数据的大规模贝叶斯推断】—杜克大学杰出教授David Dunson
正则化Regularization I (一次带你打通关Lasso, Elastic Net, Adaptive Lasso, SCAD, MCP)
【一次带你打通关统计推断基础(1)】——威尔·菲西安(Will Fithian, 加州大学伯克利分校统计系教授)
【方差缩减法 Variance reduction methods】——米歇尔·比尔莱尔(Michel Bierlaire)
【黑盒(blackbox),白盒(whitebox)和贝叶斯网络】——张颢(清华大学)
加州大学洛杉矶分校统计系教授【U 统计量完结和自助法理论入门 U Statistic and Bootstrap】——李婧翌
哈佛大学孟晓犁【大数据时代统计的仙境和悖论Statistical paradises and paradoxes in Big Data】
多伦多大学统计系和计算机科学系教授【贝叶斯神经网络的马可夫链蒙特卡罗训练】——Radford M. Neal
爱荷华州立大学【Metropolis-within-Gibbs】——贾拉德·尼米(Jarad Niemi)
高维统计大佬【隐私和统计:孰轻孰重Privacy and statistical minimax:quantitative tradeoffs】
【算法交易和机器学习Algorithmic Trading and Machine Learning】—宾夕法尼亚大学教授Michael Kearns
【拥有统计学博士学位后可能的职业生涯】——伦敦政治经济学院校友座谈会
【贝叶斯分析入门An Introduction to Bayesian Analysis】——Jessi Cisewski Kehe
统计最高奖“考普斯会长奖”得主、宾夕法尼亚大学沃顿商学院统计学教授【用于大规模双样本推断的协变量辅助排序和筛选】——蔡天文
IMS fellow、ASA fellow【用于大数据分析的迭代蒙特卡罗方法最新进展】—Faming Liang
斯坦福大学【交叉验证的正确打开方式 Cross Validation the wrong and right way】
【置信区间(1) Confidence Intervals】——亚利桑那大学教授 Joseph C. Watkins
【硕士/博士申请 讨论会——华盛顿大学统计系及生物统计系】
新加坡国立大学【贝叶斯近似计算(1) Approximate Bayesian Computation i.e. ABC】——大卫·诺特
《模式识别与机器学习– PRML》作者,【图模型(2) Graphical Models】—Christopher Michael Bishop