V
主页
【顶级计量经济学家带你手搓lasso, elastic net和SCAD(2)】——亚历山大-贝洛尼 (Alexandre Belloni )
发布人
YouTube 【顶级计量经济学家带你手搓lasso, elastic net和SCAD(2)】——亚历山大-贝洛尼 (Alexandre Belloni ) (杜克大学韦斯特盖特决策科学杰出教授,也是亚马逊学者。他在麻省理工学院获得运筹学博士学位,在 IMPA 获得数理经济学硕士学位。他曾在 IBM Thomas J. Watson 研究中心获得 IBM Herman Goldstein 博士后奖学金。 Belloni 教授的研究兴趣是机器学习和统计、机制设计(如合同/拍卖)、优化及其应用。他的作品发表在经济学、运筹学和统计学领域的顶级期刊上。他是 2014-2016 年 F.M. Kirby 研究员,曾获 2007 年连续优化青年研究员竞赛奖和 INFORMS 2006 年 George Nicholson 学生论文奖二等奖。 他担任《统计年鉴》(Annals of Statistics)和《管理科学》(Management Science)的副主编,以及《运筹学》(机器学习和数据科学)的领域编辑。最后,他还为包括日间 MBA、周末 MBA 和 MQM 在内的各种课程讲授核心统计学和数据分析。) @徐芝兰 @BuddyBG
打开封面
下载高清视频
观看高清视频
视频下载器
【马尔可夫链蒙特卡罗方法(1) (Markov chain Monte Carlo,MCMC) 】——张颢(清华大学)
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】
巴黎第九大学【贝叶斯近似计算(2) Approximate Bayesian Computation i.e. ABC】——克里斯蒂安·罗伯特
【哈佛大学教授教你高级贝叶斯思维】——Joseph K. Blitzstein 约瑟夫·K·布利茨斯坦(哈佛大学应用统计专业教授)
【贝叶斯 VS 频率学派: 斯通悖论 (Stone’s Paradox)】——拉里·沃瑟曼 Larry Wasserman
【顶级计量经济学家带你手搓lasso, elastic net和SCAD(1)】——亚历山大-贝洛尼(Alexandre Belloni)
【后现代贝叶斯机器学习(Post-Bayesian Machine Learning)】
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
【一次带你打通关统计推断基础(1)】——威尔·菲西安(Will Fithian, 加州大学伯克利分校统计系教授)
提升成绩必看【简单假设检验1 Simple Hypothesis】——亚利桑那大学教授Joseph C. Watkins
【半监督学习(Semi-supervised Learning)】——常虹(中国科学院大学)
【概率图模型的一切】—常虹(中国科学院大学)
【稀疏模型】——张潼(伊利诺伊大学)
【置信区间(1) Confidence Intervals】——亚利桑那大学教授 Joseph C. Watkins
杜克大学【着重于受试者工作特征曲线ROC Curve】—Cynthia Rudin
【高维贝叶斯推断和计算(NeurIPS 2018教程)】——戴维·丹森 David Dunson(杜克大学)
【统计最坏情况分析理论(Minimax Theory)】——Larry Wasserman 拉里·A·沃瑟曼(卡内基梅隆大学)
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
【强化学习(Reinforcement Learning)】——常虹(中国科学院大学)
【利用分割似然比检验进行普遍推断Universal inference using the split likelihood ratio test】
【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【贝叶斯因果推理出了什么问题?Problems With Bayesian Causal Inference】—Larry Wasserman
【支持向量机和核方法 SVM and Kernel】——张颢(清华大学)
【通过最优最小二乘法为超高维回归筛选变量】——Xiangyu Wang
【想学统计吗? 会赌博就行! 】
【关于高斯分布的一切:理论和应用】——张颢(清华大学)
【大概近似正确学习 (PAC Learning)】——阿里·戈德西 Ali Ghodsi(滑铁卢大学)
【高维统计推断】
【约束最小二乘(1)】——斯蒂芬·P·博伊德 Stephen P. Boyd(斯坦福大学)
【MCMC收敛性检验JAGS和R演示】——Jingchen Hu(ASA:NSF:BLS Fellow。)
【谁更疯狂:贝叶斯还是费雪 (Who is Crazier: Bayes or Fisher?)】——孟晓犁(哈佛大学)
卡内基梅隆大学统计和机器学习系教授【"通用"的统计推断方法和统计里的绿巨人浩克】——西瓦拉曼 ·巴拉克里希南(Sivaraman Balakrishnan)
任何人都可用的自适应马可夫链蒙特卡洛算法 Adaptive MCMC For Everyone——Jeffrey S. Rosenthal
【非参数回归】——瑞恩·J·提布希拉尼 Ryan Tibshirani(卡内基梅隆大学)
加州大学洛杉矶分校统计系讲师【自助法做假设检验 Bootstrap Hypothesis Tests】——Miles Chen
【错误发现率平滑(FDR smoothing)方法】——詹姆斯·斯科特 James Scott
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
麻省理工大学【MTP2 让您梦想成真 Your Dreams May Come True with MTP2】——Caroline Uhler
【算法交易和机器学习Algorithmic Trading and Machine Learning】—宾夕法尼亚大学教授Michael Kearns
【华人统计学家一览和现况】