V
主页
【通过最优最小二乘法为超高维回归筛选变量】——Xiangyu Wang
发布人
YouTube 【通过最优最小二乘法为超高维回归筛选变量 Variable Screening via Optimal Least Squares for Ultra-High Dimensional Regression】——Xiangyu Wang (杜克大学统计博士, 前谷歌软件工程师, 现Instacart工程总监) @徐芝兰 @BuddyBG @AI深度学渣
打开封面
下载高清视频
观看高清视频
视频下载器
【一阶二阶优化与次梯度】——张颢(清华大学)
【马尔可夫链蒙特卡罗方法(1) (Markov chain Monte Carlo,MCMC) 】——张颢(清华大学)
【我是如何对科学家失去信任的】
【递归最小二乘和奇异值分解 Recursive Least Square and SVD】——张颢(清华大学)
【哈佛大学教授教你高级贝叶斯思维】——Joseph K. Blitzstein 约瑟夫·K·布利茨斯坦(哈佛大学应用统计专业教授)
【概率图模型的一切】—常虹(中国科学院大学)
【黑盒(blackbox),白盒(whitebox)和贝叶斯网络】——张颢(清华大学)
【马尔可夫链蒙特卡罗方法(2) (Markov chain Monte Carlo,MCMC) 】——张颢(清华大学)
【贝叶斯数据分析全打通(3)】——宋心远(香港中文大学统计系教授)
【约束最小二乘(1)】——斯蒂芬·P·博伊德 Stephen P. Boyd(斯坦福大学)
【假设检验的几何分析 Geometric analysis of hypothesis testing】——魏玉婷(宾夕法尼亚大学)
【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)
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
【因果推断、重随机化 Rerandomization】——唐纳德·布鲁斯·鲁宾(Donald Bruce Rubin)
【贝叶斯渐进理论】
【半监督学习(Semi-supervised Learning)】——常虹(中国科学院大学)
【参数估计及习题讲解(1)】—何书元(首都师范大学)
【后现代贝叶斯机器学习(Post-Bayesian Machine Learning)】
【关于高斯分布的一切:理论和应用】——张颢(清华大学)
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
【一次带你刷完随机变量的各种收敛、中心极限定理和大数定律】——张颢(清华大学)
【实分析:积分理论一览】—韩邦先
【支持向量机和核方法 SVM and Kernel】——张颢(清华大学)
【实分析:测度论一览】—韩邦先
正则化Regularization I (一次带你打通关Lasso, Elastic Net, Adaptive Lasso, SCAD, MCP)
【中心极限定理和大数定律(1) Central Limit Theorem】——约瑟夫·沃特金斯 Joseph C. Watkins(亚利桑那大学)
【稀疏模型】——张潼(伊利诺伊大学)
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
【贝叶斯优化 Bayesian Optimization】
【神经科学中的统计思维 Statistical Thinking in Neuroscience】—罗伯特·卡斯Robert E. Kass (卡内基梅隆大学)
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
【当统计遇上计算: 一些有意思的问题和挑战】——蔡天文 T. Tony Cai(宾夕法尼亚大学)
【高斯过程 Gaussian Processes】
【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)
大样本的乌托邦
【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)
【期望最大化算法(EM)背后的深层框架(1) Majorize-Minimization (MM) framework】——杨宇红
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
【统计的真相 你认可吗】——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)