V
主页
京东 11.11 红包
微软研究院首席研究员【变分推断,变分自编码器和标准化流】——Rianne van den Berg
发布人
微软研究院首席研究员【变分推断,变分自编码器和标准化流 Variational inference, VAE's and normalizing flows】——Rianne van den Berg @徐芝兰
打开封面
下载高清视频
观看高清视频
视频下载器
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
卡内基梅隆大学统计和机器学习系教授【"通用"的统计推断方法和统计里的绿巨人浩克】——西瓦拉曼 ·巴拉克里希南(Sivaraman Balakrishnan)
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】
美国科学院院士、IMS前主席【因果推断Causal Inference】——郁彬(加州大学伯克利分校统计系主任)
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
《模式识别与机器学习– PRML》作者,【图模型(2) Graphical Models】—Christopher Michael Bishop
统计最高奖“考普斯会长奖”得主、宾夕法尼亚大学沃顿商学院统计学教授【用于大规模双样本推断的协变量辅助排序和筛选】——蔡天文
加州大学计算遗传学教授,美国科学院院士【Majorization-Minimization Algorithm】——Kenneth L Lange
【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
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
【因果推断概论 Introduction to Causal Inference】
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
统计最高奖得主【非参贝叶斯Nonparametric Bayes】——Larry Wasserman
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
【贝叶斯可加回归树(Bayesian additive regression trees, BART)】——爱德华·乔治 Edward I. George
【硕士/博士申请 讨论会——华盛顿大学统计系及生物统计系】
统计最高奖得主【非参数方法的缺陷Pitfall of Nonparametric Methods 】—Larry Wasserman
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
正则化Regularization I (一次带你打通关Lasso, Elastic Net, Adaptive Lasso, SCAD, MCP)
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(2)】—T. Tony Cai
贝叶斯可加回归树是最好的因果推断工具吗?
统计【费雪100年纪念研讨会】
【因果推断、重随机化 Rerandomization】——唐纳德·布鲁斯·鲁宾(Donald Bruce Rubin)
【低秩矩阵 Low-Rank Matrices】——吉尔伯特-斯特朗 (Gilbert Strang)
【统计推断】最大似然估计2 Maximum Likelihood Estimation —亚利桑那大学教授Joseph C. Watkins
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
【期望最大化算法(EM)背后的深层框架(1) Majorize-Minimization (MM) framework】——杨宇红
普渡大学【生成对抗网络和统计的关联】——王啸
【一次带你打通关统计推断基础(1)】——威尔·菲西安(Will Fithian, 加州大学伯克利分校统计系教授)
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
麻省理工大学【MTP2 让您梦想成真 Your Dreams May Come True with MTP2】——Caroline Uhler
加州大学洛杉矶分校统计系教授【U 统计量完结和自助法理论入门 U Statistic and Bootstrap】——李婧翌
加州大学洛杉矶分校统计系讲师【用boot库实现自助法】——Miles Chen
爱荷华州立大学【贝叶斯线性回归 Bayesian linear regression】——贾拉德·尼米(Jarad Niemi )
【置信区间(2) Confidence Intervals】——亚利桑那大学教授 Joseph C. Watkins
【三门问题 Monty Hall Problem】
爱荷华州立大学【无信息先验 Non-informative prior】——贾拉德·尼米(Jarad Niemi)
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】
【多重检验Multiple Testing】——亚利桑那大学教授 Joseph C. Watkins
加州大学洛杉矶分校统计系讲师【自助法做假设检验 Bootstrap Hypothesis Tests】——Miles Chen