V
主页
【"不学习了"】——多大和威斯康辛联手出品,必是精品。
发布人
YouTube 【"不学习了"】——多大和威斯康辛联手出品,必是精品。
打开封面
下载高清视频
观看高清视频
视频下载器
【后现代贝叶斯机器学习(Post-Bayesian Machine Learning)】
【数据可视化一次教】
【假设检验的几何分析 Geometric analysis of hypothesis testing】——魏玉婷(宾夕法尼亚大学)
【凸优化一览】——瑞安·亚当斯 Ryan P. Adams(普林斯顿大学)
【实分析:积分理论一览】—韩邦先
【如何总在Kaggle获胜 How to (almost) win at Kaggle】——基里-尼克尔 Kiri Nichol
【马蹄形先验与深度学习】
【贝叶斯分析入门An Introduction to Bayesian Analysis】——Jessi Cisewski Kehe
【约束最小二乘(1)】——斯蒂芬·P·博伊德 Stephen P. Boyd(斯坦福大学)
【因果推断、重随机化 Rerandomization】——唐纳德·布鲁斯·鲁宾(Donald Bruce Rubin)
正则化Regularization I (一次带你打通关Lasso, Elastic Net, Adaptive Lasso, SCAD, MCP)
【图深度学习】——马克斯·韦林 Max Welling(阿姆斯特丹大学)
【高斯差分隐私和中心极限定理 Gaussian Differential Privacy and Central Limit Theorems】 ——苏炜杰
“深度学习之父”【深度学习与深度信念网络入门】——杰弗里·埃弗里斯特·辛顿
【序贯采样、粒子滤波与隐马尔可夫模型】——张颢(清华大学)
【贝叶斯 VS 频率学派: 斯通悖论 (Stone’s Paradox)】——拉里·沃瑟曼 Larry Wasserman
阿婆自己常用的加速器
【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】
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
【多重检验Multiple Testing】——亚利桑那大学教授 Joseph C. Watkins
【期望最大化算法(EM)背后的深层框架(3) Majorize-Minimization (MM) framework】——杨宇红
【关于高斯分布的一切:理论和应用】——张颢(清华大学)
斯坦福大学【生存分析入门(2)Proportional Hazards Model】
【马尔可夫链蒙特卡罗方法(2) (Markov chain Monte Carlo,MCMC) 】——张颢(清华大学)
【利用分割似然比检验进行普遍推断Universal inference using the split likelihood ratio test】
统计推理和证据测量Statistical Reasoning and the Measurement of Evidence
【约束最小二乘(2)】——斯蒂芬·P·博伊德 Stephen P. Boyd(斯坦福大学)
【数据结构 Data Structures】——埃里克·德梅因 Erik Demaine(麻省理工学院)
【坐标下降法 Coordinate Descent】——瑞恩·J·提布希拉尼 Ryan Tibshirani
【加速梯度下降: Accelerate Gradient Descent】
【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)
【大概近似正确学习 (PAC Learning)】——阿里·戈德西 Ali Ghodsi(滑铁卢大学)
【非参数回归】——瑞恩·J·提布希拉尼 Ryan Tibshirani(卡内基梅隆大学)
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)
【针对异方差的大规模统计推断】—孙文光(浙江大学)
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】
Candes和陶哲轩的大作 【稀疏恢复(Sparse Recovery)】——张颢(清华大学)
【AdaPT: 利用辅助信息进行多重检验的动态方法】——雷理骅(斯坦福大学)
【稀疏模型】——张潼(伊利诺伊大学)
前64名共涨播放超12.1亿!8月我的世界UP主播放排行,有你喜欢的UP主吗?