V
主页
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)
发布人
YouTube 统计 | 麻省理工学院【非参数贝叶斯方法:模型、算法和应用 Nonparametric Bayesian Methods: Models, Algorithms, and Applications】——Tamara Ann Broderick(塔玛拉·布罗德里克是麻省理工学院的美国计算机科学家、从事机器学习和贝叶斯推断) @徐芝兰
打开封面
下载高清视频
观看高清视频
视频下载器
统计 | 麻省理工学院【次模性的理论和应用】——Stefanie Jegelka (斯蒂芬妮·耶格尔卡)
【贝叶斯渐进理论】
正则化Regularization I (一次带你打通关Lasso, Elastic Net, Adaptive Lasso, SCAD, MCP)
【高维统计推断】
(国外超火博主)变分推断 | 证据下界 | 直觉和可视化
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】
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
【方差缩减法 Variance reduction methods】——米歇尔·比尔莱尔(Michel Bierlaire)
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
【贝叶斯网络 Bayesian Network】
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
【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)】
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
合作开发了概率博弈论框架被大家熟知为E-value【置信区间、显著性检验和p-hacking的起源】——Glenn Shafer(格伦·谢弗)
统计 | 牛津大学机器学习教授、谷歌DeepMind首席研究科学家【重要性取样 Importance sampling】—Nando de Freitas
【贝叶斯优化 Bayesian Optimization】
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
【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
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
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
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
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)
【期望最大化算法(EM)背后的深层框架(2) Majorize-Minimization (MM) framework】——杨宇红
统计最高奖“考普斯会长奖”得主、宾夕法尼亚大学沃顿商学院统计学教授【用于大规模双样本推断的协变量辅助排序和筛选】——蔡天文
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
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
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
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【社会强化学习】——娜塔莎·雅克
普渡博士答辩【图聚类的优化框架 Optimization Frameworks for Graph Clustering】
统计最高奖得主【非参数方法的缺陷Pitfall of Nonparametric Methods 】—Larry Wasserman
【Kaplan-Meier估计 (生存分析)】
【置信区间(2) Confidence Intervals】——亚利桑那大学教授 Joseph C. Watkins
【后现代贝叶斯机器学习(Post-Bayesian Machine Learning)】
加州大学计算遗传学教授,美国科学院院士【Majorization-Minimization Algorithm】——Kenneth L Lange
英属哥伦比亚大学UBC教授【你想知道的各种优化方法(1)】——Mark Schmidt(马克·施密特)
【关于贝叶斯方法的误解 Myths and misconceptions about Bayesian methods】
《模式识别与机器学习– PRML》作者,【图模型(2) Graphical Models】—Christopher Michael Bishop
加州大学洛杉矶分校统计系教授【U 统计量完结和自助法理论入门 U Statistic and Bootstrap】——李婧翌
【如何用统计学去说谎】
【惩罚估计】——邹晖(明尼苏达大学)