V
主页
京东 11.11 红包
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
发布人
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 @徐芝兰
打开封面
下载高清视频
观看高清视频
视频下载器
正则化Regularization I (一次带你打通关Lasso, Elastic Net, Adaptive Lasso, SCAD, MCP)
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
【因果推断概论 Introduction to Causal Inference】
统计最高奖得主/高维统计大佬【高维统计入门2 High-Dimensional Statistics】—加州伯克利大学教授Martin Wainwright
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
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
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
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? 】
【变分贝叶斯及其他-大规模的贝叶斯推断(ICML 2018)】
杜克大学【是否存在更简单的模型以及我们如何找到它们?KDD 2019 - 主题演讲】
【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
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)
【统计学中最奇怪的悖论——斯坦因悖论 The weirdest paradox in statistics - Stein's Paradox】
ChatGPT背后大佬【双重下降现象 The phenomenon of Deep Double Descent】—Ilya Sutskever
统计 | 牛津大学机器学习教授、谷歌DeepMind首席研究科学家【重要性取样 Importance sampling】—Nando de Freitas
【谁更疯狂:贝叶斯还是费雪 (Who is Crazier: Bayes or Fisher?)】——孟晓犁(哈佛大学)
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
统计【经验分布和经验过程简史】
【贝叶斯优化 Bayesian Optimization】
美国三院院士/机器学习超级大佬【机器学习的隐患The pitfalls of Machine Learning】—Michael I. Jordan
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
【硕士/博士申请 讨论会——华盛顿大学统计系及生物统计系】
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
正则化Regularization II(一次带你打通关Lasso, Elastic Net, Adaptive Lasso, SCAD, MCP)
【贝叶斯分析入门An Introduction to Bayesian Analysis】——Jessi Cisewski Kehe
ASA:NSF:BLS Fellow【贝叶斯分层建模 JAGS的MCMC模拟第 1 部分】——Jingchen Hu
统计最高奖“考普斯会长奖”得主、宾夕法尼亚大学教授【高维协方差结构的统计推断(1) 】—T. Tony Cai
【华人统计学家一览和现况】
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
统计最高奖得主【非参贝叶斯Nonparametric Bayes】——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
IMS fellow、ASA fellow【用于大数据分析的迭代蒙特卡罗方法最新进展】—Faming Liang
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
谷歌大脑高级研究科学家【任何人可用的可解释性Interpretability For Everyone 】—Been Kim
杜克大学【核密度估计Kernel Density Estimation】—Cynthia Rudin
贝叶斯可加回归树是最好的因果推断工具吗?
合作开发了概率博弈论框架被大家熟知为E-value【置信区间、显著性检验和p-hacking的起源】——Glenn Shafer(格伦·谢弗)
加州大学计算遗传学教授,美国科学院院士【Majorization-Minimization Algorithm】——Kenneth L Lange
【5个简单步骤解决任何递归问题 5 Simple Steps for Solving Any Recursive Problem】