V
主页
UCLA线性模型(STAT 100C: Linear Models)
发布人
https://www.youtube.com/playlist?list=PLN_qg0-2-0Syf0xbMjw2AIaMmZ0Z-aR3J 课程主页: http://www.stat.ucla.edu/~arashamini/teaching/100c
打开封面
下载高清视频
观看高清视频
视频下载器
UCLA高维统计(STAT 200C: High-dimensional Statistics)
Advanced Linear Algebra
Differential Equations
(适用于工程师的矩阵代数)Matrix Algebra for Engineers
Math 510: Linear Programming and Network Flows(线性规划和网络流)
Math 280B Probability Theory II (UCSD, 数学系的概率论公开课)
(适用于工程师的数值方法)Numerical Methods for Engineers
(适用于工程师的向量微积分)Vector Calculus for Engineers
冒死上传(已离职)!学习一小时抵过十小时!目前B站最完整的高效学习方法教程!顶级费曼学习法,教你高效学习 逆袭就靠这个了!让你学习效率暴涨300%!
机器学习中的核方法(Kernel methods in machine learning - MVA2021)
异构并行编程 - CUDA 编程,UIUC
因果推断Causal Inference,中英文字幕
【25应统考研】一小时搞定432应用统计专硕/432统计学25考研择校!涵盖190所院校,从985到211再到非全一次讲完!还没确定院校的宝子速看!
看一次笑一次的科研梗,“听说你还在搞什么原创,搞来搞去好像也就这样”
(抽象代数)Math 366: Introduction to Abstract Algebra (2021)
(中文公开课)实验经济学 (Experimental Economics: Behavioral Game Theory)
网络信息检索(Sapienza-University of Rome)
《计算机网络,自顶向下方法》配套课程,作者亲授
冷处理,热血便渐渐凉了
(UC Berkeley离散数学和概率论)CS70 Discrete mathematics and probability theory-12 fall
冒死上传(已离职)!学习一小时胜过十小时!目前B站最完整的高效学习方法教程!超实用学习方法,教你高效学习 逆袭就靠这个了!让你学习效率暴涨300%!
(适用于工程师的微分方程课程)Differential Equations for Engineers
(斯坦福随机算法课程)CS265/CME309: Randomized Algorithms and Probabilistic Analysis
【全108集】北大大佬终于把高中数学整理成动画片了,通俗易懂,2024最新版!全程干货无废话,学完就是学霸!这还学不会,我退出教育圈!
stanford CME 213: Introduction to parallel computing using MPI, openMP, and CUDA
陶辞讲解道德经 B站最完整版100讲 《帛书老子》--读懂原本道德经!!!!
(量子机器学习MOOC)Quantum Machine Learning MOOC
【逐帧精校重置】豆瓣9.5分神作!价值150000000000美金的认知框架,三十分钟彻底理解经济周期,人们如何变富又是如何变穷
Digital Integrated Circuits 20-21(数字集成电路,中英字幕)
(多伦多大学科学计算)Scientific Computing (PHY1610, Winter 2021)
经济学概论(Introduction to Economics: Incentive and Markets)
Information Retrieval(信息检索)
在家待的越久,对曾老这段话越感同深受:“在家闲着不是罪恶,人不一定要工作,人是不得已才工作,人生是多方面的,工作只是生活的一部分。”
我算出了19的64次方
统计学 20 讲
【走近大学——应用数学与统计系列网络科普讲座】南方科技大学荆炳义教授:《人工智能时代下的统计学》
CS 270. Combinatorial Algorithms and Data Structures, Spring 21 (UC berkeley,中英)
Rough Path Theory Spring 2021(ETHZ)
大数据,fall 2020(苏黎世联邦理工)
MIT《应用统计学|IT 18.650 Statistics for Applications, Fall 2016》