V
主页
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】
发布人
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】——统计最高奖得主 @徐芝兰
打开封面
下载高清视频
观看高清视频
视频下载器
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
【孟晓犁 | 范剑青 对谈统计学】——(哈佛大学 | 普林斯顿大学)
正则化Regularization I (一次带你打通关Lasso, Elastic Net, Adaptive Lasso, SCAD, MCP)
【谁更疯狂:贝叶斯还是费雪 (Who is Crazier: Bayes or Fisher?)】——孟晓犁(哈佛大学)
【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)】
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)
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)
任何人都可用的自适应马可夫链蒙特卡洛算法 Adaptive MCMC For Everyone——Jeffrey S. Rosenthal
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)
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
【贝叶斯网络 Bayesian Network】
统计最高奖得主/高维统计大佬【高维统计入门2 High-Dimensional Statistics】—加州伯克利大学教授Martin Wainwright
【偏序和哈斯图—离散数学 Partial Orders and Hasse Diagrams】
斯坦福大学统计系和计算机科学系教授【针对独立和相关数据的随机梯度MCMC】——Emily Fox
【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
正则化Regularization II(一次带你打通关Lasso, Elastic Net, Adaptive Lasso, SCAD, MCP)
【贝叶斯分析入门An Introduction to Bayesian Analysis】——Jessi Cisewski Kehe
【贝叶斯 VS 频率学派: 斯通悖论 (Stone’s Paradox)】——拉里·沃瑟曼 Larry Wasserman
【贝叶斯优化 Bayesian Optimization】
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
《模式识别与机器学习– PRML》作者,【图模型(1) Graphical Models】—Christopher Michael Bishop
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
【贝叶斯统计】Monte Carlo EM算法 以normal means spik- and-slab的估计为例
【Kaplan-Meier估计 (生存分析)】
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
(国外超火博主)变分推断 | 证据下界 | 直觉和可视化
【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
统计 | 哈佛大学【似然悖论 A Likelihood Paradox】——孟晓犁
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】
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
【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)
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
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
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
【针对高维逻辑回归的现代最大似然估计理论】—哈佛大学助理教授 Pragya Sur
ChatGPT/OpenAI首席科学家【元学习和自我博弈之术Meta Learning and Self Play】—Ilya Sutskever
【方差缩减法 Variance reduction methods】——米歇尔·比尔莱尔(Michel Bierlaire)
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
ASA:NSF:BLS Fellow【贝叶斯分层建模 JAGS的MCMC模拟第 1 部分】——Jingchen Hu
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】