V
主页
【贝叶斯估计Bayes Estimation】——亚利桑那大学教授Joseph C. Watkins
发布人
【贝叶斯估计Bayes Estimation】——亚利桑那大学教授Joseph C. Watkins @徐芝兰
打开封面
下载高清视频
观看高清视频
视频下载器
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
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
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:性感的代名词吗?Statistics: The New Sexy? ——斯坦福大学教授Rob Tibshirani
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/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
正则化Regularization I (一次带你打通关Lasso, Elastic Net, Adaptive Lasso, SCAD, MCP)
【三门问题 Monty Hall Problem】
【统计推断】估计量的偏差Bias——亚利桑那大学教授Joseph C. Watkins
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)】
【统计推断】矩估计Method of Moments——亚利桑那大学教授Joseph C. Watkins
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
【贝叶斯网络 Bayesian Network】
ASA:NSF:BLS Fellow【贝叶斯分层建模 JAGS的MCMC模拟第 1 部分】——Jingchen Hu
【多重检验Multiple Testing】——亚利桑那大学教授 Joseph C. Watkins
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
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
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】
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
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
【孟晓犁 | 范剑青 对谈统计学】——(哈佛大学 | 普林斯顿大学)
【图论导论:计算机科学视角 Introduction to Graph Theory:A Computer Science Perspective】
【贝叶斯 VS 频率学派: 斯通悖论 (Stone’s Paradox)】——拉里·沃瑟曼 Larry Wasserman
【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
杜克大学【核密度估计Kernel Density Estimation】—Cynthia Rudin
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
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 II(一次带你打通关Lasso, Elastic Net, Adaptive Lasso, SCAD, MCP)
统计最高奖得主【高维回归的推断 Inference for High-Dimensional Regression】—Larry Wasserman
麻省理工【针对因果效应和处理效应的双重机器学习Double Machine Learning for Causal and Treatment Effects】
【温情赞美显著性检验 In gentle praise of Significance Tests】
【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
【方差缩减法 Variance reduction methods】——米歇尔·比尔莱尔(Michel Bierlaire)
【MCMC vs. Variational Inference】——Yi an Ma (加州大学圣地亚哥分校计算机系教授)
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
【贝叶斯分析入门An Introduction to Bayesian Analysis】——Jessi Cisewski Kehe
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
曾担任美国统计协会和数学统计研究所的主席,因提出自举重采样技术而闻名【贝叶斯估计的频率派准确性】——Bradley Efron
【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)
提升成绩必看【简单假设检验2 Simple Hypothesis】—亚利桑那大学教授Joseph C. Watkins