V
主页
麻省理工学院【负相关性和机器学习 Negative Dependence and Machine Learning】——Stefanie Jegelka
发布人
麻省理工学院【负相关性和机器学习 Negative Dependence and Machine Learning】——Stefanie Jegelka(麻省理工学院教授) @徐芝兰
打开封面
下载高清视频
观看高清视频
视频下载器
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
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】
【贝叶斯网络 Bayesian Network】
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
加州大学洛杉矶分校统计系教授【V 统计量和 U 统计量入门 Introduction to V and U Statistics】——李婧翌
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
【贝叶斯优化 Bayesian Optimization】
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
【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)
【谁更疯狂:贝叶斯还是费雪 (Who is Crazier: Bayes or Fisher?)】——孟晓犁(哈佛大学)
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】
杜克大学【岭回归有闭式解Ridge Regression has a closed form solution】—Cynthia Rudin
【贝叶斯渐进理论】
ASA:NSF:BLS Fellow【贝叶斯分层建模 JAGS的MCMC模拟第 1 部分】——Jingchen Hu
【因果推断概论 Introduction to Causal Inference】
统计最高奖得主【非参贝叶斯Nonparametric Bayes】——Larry Wasserman
【高斯过程 Gaussian Processes】
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)
加拿大数据科学研究主席【函数型数据分析入门Introduction for Functional Data Analysis】—Jiguo Cao
统计最高奖得主/高维统计大佬【高维统计入门1 High-Dimensional Statistics】—加州伯克利大学教授Martin Wainwright
曾是苹果公司特别项目组机器学习负责人、Google Brain的研究科学家【生成对抗网络(GAN)】——Ian Goodfellow
杜克大学【核密度估计Kernel Density Estimation】—Cynthia Rudin
【机器学习应用的落地】——常虹(中国科学院大学)
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
【实分析:测度论一览】—韩邦先
【统计推断】估计量的偏差Bias——亚利桑那大学教授Joseph C. Watkins
【解密贝叶斯深度学习】
【RNN、LSTM、Attention、Transformer、预训练、生成模型、强化学习一次学完】——常虹(中国科学院大学)
【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
贝叶斯可加回归树是最好的因果推断工具吗?
爱荷华州立大学【无信息先验 Non-informative prior】——贾拉德·尼米(Jarad Niemi)
【Kaplan-Meier估计 (生存分析)】
自助法发明者、因提出自举重采样技术而闻名【自助法 Bootstrap】——布拉德利·埃夫隆(Bradley Efron)
[吉布斯采样器和MCMC] Gelfand and Smith (1990) 论文讨论第1部分—Jingchen Hu(Vassar College)
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【贝叶斯因果推理出了什么问题?Problems With Bayesian Causal Inference】—Larry Wasserman
(国外超火博主)变分推断 | 证据下界 | 直觉和可视化
【稀疏模型】——张潼(伊利诺伊大学)
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)】
【惩罚估计】——邹晖(明尼苏达大学)