V
主页
【深度剖析:NeurIPS 2023 最佳论文奖论文 --大语言模型专题】——Sophia Yang(Anaconda公司资深数据科学家)
发布人
【深度剖析: NeurIPS 2023 最佳论文奖论文 ---大语言模型专题】——Sophia Yang (她是Anaconda公司资深数据科学家。Anaconda是世界上最流行、最值得信赖的数据科学、机器学习和人工智能 Python/R 平台。Sophia Yang是德克萨斯大学奥斯汀分校教育心理学博士。)
打开封面
下载高清视频
观看高清视频
视频下载器
【贪婪算法与压缩感知理论】—张颢(清华大学)
【序贯采样、粒子滤波与隐马尔可夫模型】——张颢(清华大学)
【因果推断、重随机化 Rerandomization】——唐纳德·布鲁斯·鲁宾(Donald Bruce Rubin)
【马尔可夫链蒙特卡罗方法(1) (Markov chain Monte Carlo,MCMC) 】——张颢(清华大学)
【贝叶斯数据分析全打通(3)】——宋心远(香港中文大学统计系教授)
【计量经济学:工具变量 (instrumental variables)】
【错误发现率平滑(FDR smoothing)方法】——詹姆斯·斯科特 James Scott
【假设检验的几何分析 Geometric analysis of hypothesis testing】——魏玉婷(宾夕法尼亚大学)
【从任意概率分布中采样】
【计量经济学入门】
【统计决策理论:风险函数】
【马尔可夫链蒙特卡罗方法(2) (Markov chain Monte Carlo,MCMC) 】——张颢(清华大学)
【贝叶斯渐进理论】
【约束最小二乘(1)】——斯蒂芬·P·博伊德 Stephen P. Boyd(斯坦福大学)
【贝叶斯分析入门An Introduction to Bayesian Analysis】——Jessi Cisewski Kehe
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】
【想学统计吗? 会赌博就行! 】
【实分析:积分理论一览】—韩邦先
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
【参数估计及习题讲解(1)】—何书元(首都师范大学)
正则化Regularization I (一次带你打通关Lasso, Elastic Net, Adaptive Lasso, SCAD, MCP)
【统计显著性的发明史】
【实分析:测度论一览】—韩邦先
【因果推断】关于因果推断的一百个故事 100 Stories of Causal Inference——哥伦比亚大学教授Andrew Gelman
【黑盒(blackbox),白盒(whitebox)和贝叶斯网络】——张颢(清华大学)
【非参数回归】——瑞恩·J·提布希拉尼 Ryan Tibshirani(卡内基梅隆大学)
【线性混合模型 Linear mixed effects models】
【高维贝叶斯推断和计算(NeurIPS 2018教程)】——戴维·丹森 David Dunson(杜克大学)
【十六分钟带你略懂数据结构和算法】
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
【贝叶斯数据分析全打通(2)】——宋心远(香港中文大学统计系教授)
【变分贝叶斯及其他-大规模的贝叶斯推断(ICML 2018)】
【考研概率统计题串讲(2)】
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
“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
【确定性独立筛选(sure independence screening, SIS)】——范剑青(普林斯顿大学)
【海量遗传和基因组数据的统计分析 Statistical Analysis of Massive Genetic and Genomic Data】——林希虹
【大概近似正确学习 (PAC Learning)】——阿里·戈德西 Ali Ghodsi(滑铁卢大学)
【奇异值分解 Singular Value Decomposition (SVD)】——吉尔伯特-斯特朗 (Gilbert Strang)
Candes和陶哲轩的大作 【稀疏恢复(Sparse Recovery)】——张颢(清华大学)