V
主页
【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)
发布人
Y 【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) 哈佛大学统计系的荣誉退休教授,担任统计系主任达13年之久。他还在中国的清华大学和费城的天普大学工作。他以Rubin因果模型(一套用于根据观测数据进行因果推断的方法)以及处理缺失数据的方法而闻名。 @徐芝兰 @BuddyBG @AI深度学渣 @R与统计
打开封面
下载高清视频
观看高清视频
视频下载器
【区分直接和间接因果效应, 意义大吗】——唐纳德·布鲁斯·鲁宾 Donald Bruce Rubin(哈佛大学)
【实分析:测度论一览】—韩邦先
【期望最大化算法(EM)背后的深层框架(3) Majorize-Minimization (MM) framework】——杨宇红
【马尔可夫链蒙特卡罗方法(1) (Markov chain Monte Carlo,MCMC) 】——张颢(清华大学)
【关于高斯分布的一切:理论和应用】——张颢(清华大学)
追赶ai热潮!千万别错过因果推断
【实分析:积分理论一览】—韩邦先
【序贯采样、粒子滤波与隐马尔可夫模型】——张颢(清华大学)
2024必将是因果推断爆发的一年!MIT因果推断这本教科书火了,建议学机器学习的同学一定要好好阅读!
【后现代贝叶斯机器学习(Post-Bayesian Machine Learning)】
【马蹄形先验与深度学习】
【计量经济学:工具变量 (instrumental variables)】
【图深度学习】——马克斯·韦林 Max Welling(阿姆斯特丹大学)
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
【美女科学家带你走进生物信息学】——Maria Nattestad 玛丽亚·纳特斯塔德(冷泉港实验室生物信息博士)
【孟晓犁 | 范剑青 对谈统计学】——(哈佛大学 | 普林斯顿大学)
【数据可视化一次教】
【一阶二阶优化与次梯度】——张颢(清华大学)
【贝叶斯分析入门An Introduction to Bayesian Analysis】——Jessi Cisewski Kehe
哥伦比亚大学【循证实践是一条双向路Evidence-Based Practice Is a Two-Way Street】—Andrew Gelman
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
“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
【稀疏模型】——张潼(伊利诺伊大学)
【教职应聘讲座:稀疏回归的分布式估计和推理】——Yuekai Sun(密歇根大学)
【经验贝叶斯的应用】——克里斯托弗·沃尔特斯 Christopher Walters
【置信区间(1) Confidence Intervals】——亚利桑那大学教授 Joseph C. Watkins
【一次性把握多元微积分的精髓】
【奇异值分解 Singular Value Decomposition (SVD)】——吉尔伯特-斯特朗 (Gilbert Strang)
【多重检验Multiple Testing】——亚利桑那大学教授 Joseph C. Watkins
【想学统计吗? 会赌博就行! 】
B站首发:重抽样和子抽样一次讲透
【考研概率统计题串讲(2)】
【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)
【凸优化一览】——瑞安·亚当斯 Ryan P. Adams(普林斯顿大学)
【利用分割似然比检验进行普遍推断Universal inference using the split likelihood ratio test】
【还在用泰勒展开吗 试一试帕德近似吧】
【黑盒(blackbox),白盒(whitebox)和贝叶斯网络】——张颢(清华大学)
【递归最小二乘和奇异值分解 Recursive Least Square and SVD】——张颢(清华大学)
斯坦福大学【生存分析入门(2)Proportional Hazards Model】
哈佛大学《统计学110(概率论)|Statistics 110: Probability》中英字幕(GPT-4翻译)