V
主页
统计最高奖得主【高维回归的推断 Inference for High-Dimensional Regression】—Larry Wasserman
发布人
统计最高奖得主【高维回归的推断 Inference for High-Dimensional Regression】——Larry Wasserman(卡内基梅隆大学统计与数据科学系系主任、《 All of Statistics》作者) @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
正则化Regularization I (一次带你打通关Lasso, Elastic Net, Adaptive Lasso, SCAD, MCP)
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
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
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)
【贝叶斯渐进理论】
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:性感的代名词吗?Statistics: The New Sexy? ——斯坦福大学教授Rob Tibshirani
【贝叶斯网络 Bayesian Network】
统计最高奖得主【贝叶斯因果推理出了什么问题?Problems With Bayesian Causal Inference】—Larry Wasserman
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
【贝叶斯数据分析全打通(1)】——宋心远(香港中文大学统计系教授)
【高维统计推断】
【谁更疯狂:贝叶斯还是费雪 (Who is Crazier: Bayes or Fisher?)】——孟晓犁(哈佛大学)
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】
【贝叶斯优化 Bayesian Optimization】
【华人统计学家一览和现况】
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
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】
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
多伦多大学统计系和计算机科学系教授【贝叶斯神经网络的马可夫链蒙特卡罗训练】——Radford M. Neal
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
【贝叶斯数据分析全打通(4)】——宋心远(香港中文大学统计系教授)
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
【图论导论:计算机科学视角 Introduction to Graph Theory:A Computer Science Perspective】
【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
【偏序和哈斯图—离散数学 Partial Orders and Hasse Diagrams】
【贝叶斯分析入门An Introduction to Bayesian Analysis】——Jessi Cisewski Kehe
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
【置信区间(2) Confidence Intervals】——亚利桑那大学教授 Joseph C. Watkins
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
【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
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
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
杜克大学【岭回归有闭式解Ridge Regression has a closed form solution】—Cynthia Rudin
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
【统计推断】估计量的偏差Bias——亚利桑那大学教授Joseph C. Watkins
【统计】统计的危机和如何匍匐前进The Statistical Crisis in Science and How to Move Forward
Fisher费雪之女士一直品茶。卡内基梅隆大学统计和机器学习系助理教授【Betting scores, e-values and martingales】