V
主页
【高维贝叶斯推断和计算(NeurIPS 2018教程)】——戴维·丹森 David Dunson(杜克大学)
发布人
Y 【高维贝叶斯推断和计算(NeurIPS 2018教程)】——戴维·丹森 David Dunson (贝叶斯超级大佬、杜克大学杰出教授、统计最高奖“考普斯会长奖”得主、《Bayesian Data Analysis》共同作者。) @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
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
【统计最高奖得主访谈: 大数据时代的贝叶斯方法】——戴维·丹森 David Dunson(杜克大学)
【惩罚估计】——邹晖(明尼苏达大学)
正则化Regularization I (一次带你打通关Lasso, Elastic Net, Adaptive Lasso, SCAD, MCP)
杜克大学【核密度估计Kernel Density Estimation】—Cynthia Rudin
统计最高奖得主/高维统计大佬【高维统计入门1 High-Dimensional Statistics】—加州伯克利大学教授Martin Wainwright
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
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)
【变分贝叶斯及其他-大规模的贝叶斯推断(ICML 2018)】
【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)
【后现代贝叶斯机器学习(Post-Bayesian Machine Learning)】
【三门问题 Monty Hall Problem】
【大概近似正确学习 (PAC Learning)】——阿里·戈德西 Ali Ghodsi(滑铁卢大学)
【华人统计学家一览和现况】
Candes和陶哲轩的大作 【稀疏恢复(Sparse Recovery)】——张颢(清华大学)
【贝叶斯渐进理论】
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
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
斯坦福大学【为什么马尔可夫发明马尔可夫链?Why did Markov invent Markov Chains?】—Persi Diaconis
【图形学 试衣模拟】——李一飞 (MIT计算机博士)
【1936年总统选举-有偏的抽样程序 1936 Presidential Election-Biased Sampling Procedure】
【因果推断概论 Introduction to Causal Inference】
【针对小型、不平衡和异方差数据集的深度学习】——马腾宇(斯坦福大学)
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
(国外超火博主)变分推断 | 证据下界 | 直觉和可视化
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? 】
【想学统计吗? 会赌博就行! 】
【关于贝叶斯方法的误解 Myths and misconceptions about Bayesian methods】
统计最高奖得主【非参贝叶斯Nonparametric Bayes】——Larry Wasserman
【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】
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
美国三院院士/机器学习超级大佬【共形预测Conformal Prediction】—加州大学伯克利分校教授Michael I. Jordan
普渡博士答辩【图聚类的优化框架 Optimization Frameworks for Graph Clustering】
【孟晓犁 | 范剑青 对谈统计学】——(哈佛大学 | 普林斯顿大学)
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
【统计学中最奇怪的悖论——斯坦因悖论 The weirdest paradox in statistics - Stein's Paradox】
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】
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
【不平衡数据综述】——辛西娅·鲁丁 Cynthia Rudin(杜克大学)
【错误发现率平滑(FDR smoothing)方法】——詹姆斯·斯科特 James Scott