V
主页
【凸优化一览】——瑞安·亚当斯 Ryan P. Adams(普林斯顿大学)
发布人
YouTube 【凸优化一览】——瑞安·亚当斯 Ryan P. Adams (他对机器学习、人工智能和计算统计感兴趣,并将其应用于科学和工程领域。兴趣广泛,但经常研究概率方法和近似贝叶斯推理。是统计学和机器学习本科证书课程的主任,同时也是应用数学和计算数学项目的联系教师。与他人共同创办了 Whetlab 公司(2015 年出售给 Twitter),曾与他人共同主持 Talking Machines 播客。曾于2011年至2016年在哈佛大学任教,在2018年加入普林斯顿大学之前,先后在Twitter和谷歌大脑任职。) @徐芝兰 @BuddyBG @AI深度学渣
打开封面
下载高清视频
观看高清视频
视频下载器
【假设检验的几何分析 Geometric analysis of hypothesis testing】——魏玉婷(宾夕法尼亚大学)
想了解顶级统计学家都在做什么,各大统计方向的板块关系吗? 这个视频为你揭晓.【统计学三角The statistics triangle】——CMU教授金家顺
【NP-hard的极简定义】——斯蒂芬·P·博伊德 Stephen P. Boyd(斯坦福大学)
【大概近似正确学习 (PAC Learning)】——阿里·戈德西 Ali Ghodsi(滑铁卢大学)
【图形学 试衣模拟】——李一飞 (MIT计算机博士)
【当统计遇上计算: 一些有意思的问题和挑战】——蔡天文 T. Tony Cai(宾夕法尼亚大学)
【人工智能的炒作】——迈克尔·乔丹Michael I. Jordan(加州大学)
【非参数回归】——瑞恩·J·提布希拉尼 Ryan Tibshirani(卡内基梅隆大学)
【什么样的模拟实验是有意义的?】——查尔斯-J-盖尔 Charles J. Geyer(明尼苏达大学统计学教授)
【数据稀释 Data thinning】——Lucy Gao(英属哥伦比亚大学 UBC)
【稀疏模型】——张潼(伊利诺伊大学)
【约束最小二乘(2)】——斯蒂芬·P·博伊德 Stephen P. Boyd(斯坦福大学)
【各说各话的p值】
【惩罚估计】——邹晖(明尼苏达大学)
【统计最高奖得主访谈: 大数据时代的贝叶斯方法】——戴维·丹森 David Dunson(杜克大学)
【贝叶斯 VS 频率学派: 斯通悖论 (Stone’s Paradox)】——拉里·沃瑟曼 Larry Wasserman
【坐标下降法 Coordinate Descent】——瑞恩·J·提布希拉尼 Ryan Tibshirani
【贝叶斯优化 Bayesian Optimization】
【自监督学习 Self-supervised learning】——马腾宇(斯坦福大学计算机科学与统计学的助理教授)
【机器学习糟透了?自回归大语言模型糟透了?】——杨立昆(纽约大学)
【统计最坏情况分析理论(Minimax Theory)】——Larry Wasserman 拉里·A·沃瑟曼(卡内基梅隆大学)
【确定性独立筛选(sure independence screening, SIS)】——范剑青(普林斯顿大学)
【数学教授修投影屏幕(Math Professor Fixes Projector Screen)】
【给大家展示你的大作,制作你的第一个R包吧 How to Create Your Own Package in RStudio】
【方差缩减法 Variance reduction methods】——米歇尔·比尔莱尔(Michel Bierlaire)
【错误发现率平滑(FDR smoothing)方法】——詹姆斯·斯科特 James Scott
【《我的世界》极低概率事件:一个人能有多幸运】
【凸优化基础、线性规划和内点法】——张颢(清华大学)
美国三院院士/机器学习超级大佬【什么是统计?What is Statistics? 】 —加州大学伯克利分校教授Michael I. Jordan
【"不学习了"】——多大和威斯康辛联手出品,必是精品。
【谷歌数据科学家教你最优约会策略】——赛斯‧史蒂芬斯—大卫德维兹(Seth Stephens-Davidowitz)
【CEO教你自助法】——格蕾塔·库图伦科 Greta Cutulenco
【科学中并没有多少科学】——桑德·格林兰 (Sander Greenland)
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
【统计里的大海捞针法】—蔡天文 Tony Cai(宾夕法尼亚大学)
【普林斯顿大学本科生最佳论文答辩】
【实分析:测度论一览】—韩邦先
麻省理工大学【通过基于置换的算法进行因果推断Causal inference through permutation-based algorithms】
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
【概率图模型的一切】—常虹(中国科学院大学)