V
主页
【比较不同数据分析手段的统计评估方法】—唐纳德·布鲁斯·鲁宾 Donald Bruce Rubin(哈佛大学)
发布人
Y 【比较不同数据分析手段的统计评估方法】——唐纳德·布鲁斯·鲁宾(Donald Bruce Rubin) 哈佛大学统计系的荣誉退休教授,担任统计系主任达13年之久。他还在中国的清华大学和费城的天普大学工作。他以Rubin因果模型(一套用于根据观测数据进行因果推断的方法)以及处理缺失数据的方法而闻名。 @徐芝兰 @BuddyBG @AI深度学渣 @R与统计
打开封面
下载高清视频
观看高清视频
视频下载器
【区分直接和间接因果效应, 意义大吗】——唐纳德·布鲁斯·鲁宾 Donald Bruce Rubin(哈佛大学)
【实分析:测度论一览】—韩邦先
【贝叶斯数据分析全打通(3)】——宋心远(香港中文大学统计系教授)
【关于高斯分布的一切:理论和应用】——张颢(清华大学)
【序贯采样、粒子滤波与隐马尔可夫模型】——张颢(清华大学)
【马尔可夫链蒙特卡罗方法(2) (Markov chain Monte Carlo,MCMC) 】——张颢(清华大学)
【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)
【支持向量机和核方法 SVM and Kernel】——张颢(清华大学)
【一次性把握多元微积分的精髓】
【高维统计推断】
【马尔可夫链蒙特卡罗方法(1) (Markov chain Monte Carlo,MCMC) 】——张颢(清华大学)
如何让大脑变强? ► 每天做好这两件事 🧠 - Dr. Andrew Huberman 安德鲁.胡伯曼博士(中英字幕)
【计量经济学:工具变量 (instrumental variables)】
【跟Kaggle第一名学习Kaggle比赛策略】——Owen Zhang
【贝叶斯分析入门An Introduction to Bayesian Analysis】——Jessi Cisewski Kehe
提升成绩必看【简单假设检验1 Simple Hypothesis】——亚利桑那大学教授Joseph C. Watkins
【考研概率统计题串讲(1)】
【假设检验的几何分析 Geometric analysis of hypothesis testing】——魏玉婷(宾夕法尼亚大学)
【图深度学习】——马克斯·韦林 Max Welling(阿姆斯特丹大学)
【后现代贝叶斯机器学习(Post-Bayesian Machine Learning)】
【一致最小方差无偏估计Best Estimators】—亚利桑那大学教授Joseph C. Watkins
巴黎第九大学【贝叶斯近似计算(2) Approximate Bayesian Computation i.e. ABC】——克里斯蒂安·罗伯特
【实用的统计诊断方法(着重于受试者工作特征曲线ROC Curve)】——范德堡大学教授Frank Harrell
【高斯差分隐私和中心极限定理 Gaussian Differential Privacy and Central Limit Theorems】 ——苏炜杰
加州大学洛杉矶分校统计系教授【V 统计量和 U 统计量入门 Introduction to V and U Statistics】——李婧翌
【AdaPT: 利用辅助信息进行多重检验的动态方法】——雷理骅(斯坦福大学)
【那些年基因组学里的统计错误】—李婧翌 Jingyi Jessica Li(加州大学)
【递归最小二乘和奇异值分解 Recursive Least Square and SVD】——张颢(清华大学)
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
【利用分割似然比检验进行普遍推断Universal inference using the split likelihood ratio test】
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
【贝叶斯 VS 频率学派: 斯通悖论 (Stone’s Paradox)】——拉里·沃瑟曼 Larry Wasserman
【无限宽度神经网络】
【caret 软件包: 预测模型的统一界面】——马克斯-库恩 Max Kuhn
【孟晓犁 | 范剑青 对谈统计学】——(哈佛大学 | 普林斯顿大学)
哥伦比亚大学【循证实践是一条双向路Evidence-Based Practice Is a Two-Way Street】—Andrew Gelman
【贝叶斯因子:谁担心,谁不担心以及为什么 Bayes Factors: who’s worried, who’s not, and why】
【错误发现率平滑(FDR smoothing)方法】——詹姆斯·斯科特 James Scott
【贝叶斯优化 Bayesian Optimization】
【贪婪算法与压缩感知理论】—张颢(清华大学)