V
主页
【沃瑟斯坦度量的估计Estimating the Wasserstein Metric 】—纽约大学教授Jonathan Niles Weed
发布人
【沃瑟斯坦度量的估计Estimating the Wasserstein Metric 】——纽约大学教授Jonathan Niles Weed @徐芝兰
打开封面
下载高清视频
观看高清视频
视频下载器
【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 | 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
【谁更疯狂:贝叶斯还是费雪 (Who is Crazier: Bayes or Fisher?)】——孟晓犁(哈佛大学)
Candes和陶哲轩的大作 【稀疏恢复(Sparse Recovery)】——张颢(清华大学)
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
【针对高维逻辑回归的现代最大似然估计理论】—哈佛大学助理教授 Pragya Sur
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? 】
统计最高奖得主、华盛顿大学教授【图模型结构的学习 Learning the Structure of a Graphical Model】——丹妮拉·威滕
众多统计最高奖得主的导师【教你论文写作Writing in the Sciences】—斯坦福大学教授Bradley Efron
差分隐私发明者之一【差分隐私的定义The Definition of Differential Privacy 】—哈佛大学教授Cynthia Dwork
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
【在顶级研究团队是什么感受?听美女科学家讲在DeepMind工作和在Google Brain(谷歌大脑)工作的不同】
哥伦比亚大学天文学教授【蒙特卡洛马尔可夫链MCMC分析初学者指南】—David Kipping
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】
美国三院院士/机器学习超级大佬【什么是统计?What is Statistics? 】 —加州大学伯克利分校教授Michael I. Jordan
统计最高奖得主【非参贝叶斯Nonparametric Bayes】——Larry Wasserman
【统计推断】最大似然估计1 Maximum Likelihood Estimation —亚利桑那大学教授Joseph C. Watkins
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
统计最高奖得主【非参数方法的缺陷Pitfall of Nonparametric Methods 】—Larry Wasserman
斯坦福大学【为什么马尔可夫发明马尔可夫链?Why did Markov invent Markov Chains?】—Persi Diaconis
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
哥伦比亚大学【比双重差分法更好 Better than difference-in-differences】——Andrew Gelman
【贝叶斯渐进理论】
哈佛大学孟晓犁【全套马尔可夫链蒙特卡洛算法The full Monte Carlo--A live performance with stars】
统计:性感的代名词吗?Statistics: The New Sexy? ——斯坦福大学教授Rob Tibshirani
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)
【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
ChatGPT/OpenAI首席科学家【元学习和自我博弈之术Meta Learning and Self Play】—Ilya Sutskever
【统计推断】最大似然估计2 Maximum Likelihood Estimation —亚利桑那大学教授Joseph C. Watkins
【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)】
斯坦福大学【交叉验证的正确打开方式 Cross Validation the wrong and right way】
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
【方差缩减法 Variance reduction methods】——米歇尔·比尔莱尔(Michel Bierlaire)
【5个简单步骤解决任何递归问题 5 Simple Steps for Solving Any Recursive Problem】
斯坦福大学【生存分析入门(2)Proportional Hazards Model】
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)
【凸优化基础、线性规划和内点法】——张颢(清华大学)
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】
正则化Regularization II(一次带你打通关Lasso, Elastic Net, Adaptive Lasso, SCAD, MCP)
哈佛大学【在发展因果推断历程中的艰难Obstacles in the development of causal inference】—James Robins