V
主页
京东 11.11 红包
美国三院院士/机器学习超级大佬【贝叶斯学派还是频率学派,只能选一边吗?Bayesian or Frequentist, Which Are You? 】
发布人
美国三院院士、机器学习超级大佬【贝叶斯学派还是频率学派,只能选一边吗?Bayesian or Frequentist, Which Are You? 】——加州大学伯克利分校教授Michael I. Jordan @徐芝兰
打开封面
下载高清视频
观看高清视频
视频下载器
美国科学院院士、IMS前主席【因果推断Causal Inference】——郁彬(加州大学伯克利分校统计系主任)
统计最高奖得主【非参数方法的缺陷Pitfall of Nonparametric Methods 】—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
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)】
美国科学院院士/IMS前主席郁彬【利用lasso方法的特征选择Feature Selection Through Lasso】
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】
哈佛大学【高斯混合模型的最大期望算法(1) EM for the Gaussian mixture model 】——Jeff Miller
哥伦比亚大学天文学教授【蒙特卡洛马尔可夫链MCMC分析初学者指南】—David Kipping
斯坦福大学【生存分析入门(1) Introduction to Survival Data and Censoring】
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
统计 | 牛津大学机器学习教授、谷歌DeepMind首席研究科学家【重要性取样 Importance sampling】—Nando de Freitas
【贝叶斯网络 Bayesian Network】
【统计学中最奇怪的悖论——斯坦因悖论 The weirdest paradox in statistics - Stein's Paradox】
【二维和三维中的随机游走本质上是不同的(马尔可夫链方法)】
统计 | 麻省理工学院【非参数贝叶斯方法:模型、算法和应用】——Tamara Ann Broderick(从事机器学习和贝叶斯推断)
【讨论会:机器学习的未来】——迈克尔·乔丹 Michael I. Jordan(美国三院院士、机器学习超级大佬、加州大学伯克利分校教授)
贝叶斯可加回归树是最好的因果推断工具吗?
差分隐私发明者之一【差分隐私的定义The Definition of Differential Privacy 】—哈佛大学教授Cynthia Dwork
自助法发明者、因提出自举重采样技术而闻名【自助法 Bootstrap】——布拉德利·埃夫隆(Bradley Efron)
加拿大数据科学研究主席【函数型数据分析入门Introduction for Functional Data Analysis】—Jiguo Cao
【后现代贝叶斯机器学习(Post-Bayesian Machine Learning)】
【在顶级研究团队是什么感受?听美女科学家讲在DeepMind工作和在Google Brain(谷歌大脑)工作的不同】
【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
建立对数据科学深刻的统计思考Building Deep Statistical Thinking for Data Science—哈佛大学教授孟晓犁
【Kaplan-Meier估计 (生存分析)】
【三门问题 Monty Hall Problem】
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
芝加哥大学教授【贝叶斯生成式人工智能 Generative AI for Bayes】——维罗妮卡·罗科娃 Veronika Rockova
统计最高奖“考普斯会长奖”得主、宾夕法尼亚大学教授【高维协方差结构的统计推断(1) 】—T. Tony Cai
加州大学洛杉矶分校统计系教授【U 统计量的渐近分布 Asymptotic Distribution of U Statistic】——李婧翌
统计最高奖"考普斯会长奖"得主【用于预测的回归模型Regression Models for Prediction】—Andrew Gelman
【硕士/博士申请 讨论会——华盛顿大学统计系及生物统计系】
【期望最大化算法(EM)背后的深层框架(1) Majorize-Minimization (MM) framework】——杨宇红
哈佛大学【在发展因果推断历程中的艰难Obstacles in the development of causal inference】—James Robins
爱荷华州立大学【无信息先验 Non-informative prior】——贾拉德·尼米(Jarad Niemi)
普渡大学【生成对抗网络和统计的关联】——王啸
【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
卡内基梅隆大学计算机系教授【通过指数族建立混合图模型 Mixed Graphical Models via Exponential Families】
合作开发了概率博弈论框架被大家熟知为E-value【置信区间、显著性检验和p-hacking的起源】——Glenn Shafer(格伦·谢弗)