V
主页
【生物信息学(Bioinformatics)的前世今生】—Maria Nattestad 玛丽亚·纳特斯塔德(冷泉港实验室生物信息博士)
发布人
Y 生物信息学(Bioinformatics)的前世今生——Maria Nattestad 玛丽亚·纳特斯塔德(冷泉港实验室生物信息博士,OMGenomics Labs共同创始人)
打开封面
下载高清视频
观看高清视频
视频下载器
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
【凸优化基础、线性规划和内点法】——张颢(清华大学)
【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)
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
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
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? 】
【贪婪算法与压缩感知理论】—张颢(清华大学)
斯坦福大学【迁移学习:领域自适应 Transfer Learning:Domain Adaptation】——切尔西·芬(Chelsea Finn)
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
【关于高斯分布的一切:理论和应用】——张颢(清华大学)
【随机过程期末救命课】—张颢(清华大学)
【模特姐姐教你数据库管理系统导论 Introduction to Database Management Systems】——林郁珊(Yusan Lin)
正则化Regularization I (一次带你打通关Lasso, Elastic Net, Adaptive Lasso, SCAD, MCP)
【概率图模型的一切】—常虹(中国科学院大学)
【深度高斯过程 (Deep Gaussian Processes)】
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)
【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
为何越长大时间过得越快? —— 找寻时间流逝的公式
【硕士/博士申请 讨论会——华盛顿大学统计系及生物统计系】
【计量经济学:工具变量 (instrumental variables)】
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】
怎么在性生活中得到更愉悦的体验,(3D演示)
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
【高斯差分隐私和中心极限定理 Gaussian Differential Privacy and Central Limit Theorems】 ——苏炜杰
【因果推理的必要概念: 非凡的历史】——唐纳德·布鲁斯·鲁宾 Donald Bruce Rubin (哈佛大学)
暑假提前刷!一个视频搞定高中生物全部基础知识!
【快速傅里叶变换 Fast Fourier Transform】——埃里克·德梅因 Erik Demaine(麻省理工学院)
【贝叶斯优化 Bayesian Optimization】
【期望最大化算法(EM)背后的深层框架(1) Majorize-Minimization (MM) framework】——杨宇红
【贝叶斯 VS 频率学派: 斯通悖论 (Stone’s Paradox)】——拉里·沃瑟曼 Larry Wasserman
【如何总在Kaggle获胜 How to (almost) win at Kaggle】——基里-尼克尔 Kiri Nichol
【当统计遇上计算: 一些有意思的问题和挑战】——蔡天文 T. Tony Cai(宾夕法尼亚大学)
【统计里的大海捞针法】—蔡天文 Tony Cai(宾夕法尼亚大学)
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
240分钟,带你深度了解宇宙天文知识,看完将颠覆你的认知!
【统计】统计的危机和如何匍匐前进The Statistical Crisis in Science and How to Move Forward
【变分贝叶斯及其他-大规模的贝叶斯推断(ICML 2018)】
【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)
【图深度学习】——马克斯·韦林 Max Welling(阿姆斯特丹大学)
【不确定性量化: 回顾和一些开放性问题】——Aad van der Vaart 阿德·范德沃特(莱顿大学)