V
主页
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
发布人
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 @徐芝兰
打开封面
下载高清视频
观看高清视频
视频下载器
【统计学中最奇怪的悖论——斯坦因悖论 The weirdest paradox in statistics - Stein's Paradox】
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
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
统计最高奖得主【稀疏估计中令人不愉快的性质Unpleasant Properties of Sparse Estimators(e.g. Lasso)】
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
正则化Regularization I (一次带你打通关Lasso, Elastic Net, Adaptive Lasso, SCAD, MCP)
【贝叶斯渐进理论】
英伟达机器学习研究主管、加州理工学院计算机系教授【神经算子: 学习偏微分方程的新范式】——阿尼玛什雷 (Anima) 阿南德库玛
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
麻省理工【针对因果效应和处理效应的双重机器学习Double Machine Learning for Causal and Treatment Effects】
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
美国三院院士/机器学习超级大佬【共形预测Conformal Prediction】—加州大学伯克利分校教授Michael I. Jordan
多伦多大学统计系和计算机科学系教授【贝叶斯神经网络的马可夫链蒙特卡罗训练】——Radford M. Neal
【因果推断概论 Introduction to Causal Inference】
【谁更疯狂:贝叶斯还是费雪 (Who is Crazier: Bayes or Fisher?)】——孟晓犁(哈佛大学)
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
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【非参数方法的缺陷Pitfall of Nonparametric Methods 】—Larry Wasserman
斯坦福大学【生存分析入门(1) Introduction to Survival Data and Censoring】
统计 | 麻省理工学院【非参数贝叶斯方法:模型、算法和应用】——Tamara Ann Broderick(从事机器学习和贝叶斯推断)
【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】
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
【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
统计最高奖得主【非参贝叶斯Nonparametric Bayes】——Larry Wasserman
哥伦比亚大学【比双重差分法更好 Better than difference-in-differences】——Andrew Gelman
【一次带你学会100+统计学概念】
ASA:NSF:BLS Fellow【贝叶斯分层建模 JAGS的MCMC模拟第 1 部分】——Jingchen Hu
(国外超火博主)变分推断 | 证据下界 | 直觉和可视化
统计最高奖"考普斯会长奖"得主【用于预测的回归模型Regression Models for Prediction】—Andrew Gelman
提升成绩必看【期望最大化算法Expectation Maximization Algorithm】—亚利桑那大学教授Joseph C. Watkins
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)
【贝叶斯 VS 频率学派: 斯通悖论 (Stone’s Paradox)】——拉里·沃瑟曼 Larry Wasserman
【贝叶斯分析入门An Introduction to Bayesian Analysis】——Jessi Cisewski Kehe
斯坦福大学统计系和计算机科学系教授【针对独立和相关数据的随机梯度MCMC】——Emily Fox
【贪婪算法与压缩感知理论】—张颢(清华大学)
在家做AI,2月赚了一年生活费,分享我的实操方法,目前经济自由!!
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
【拥有统计学博士学位后可能的职业生涯】——伦敦政治经济学院校友座谈会
英属哥伦比亚大学UBC教授【你想知道的各种优化方法(2)】——Mark Schmidt(马克·施密特)
【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)