V
主页
【统计推断】充分统计量2 Principle of data Deduction Sufficiency--Joseph C. Watkins
发布人
【统计推断】充分统计量2 Principle of data Deduction Sufficiency——亚利桑那大学教授Joseph C. Watkins. @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
【统计推断】矩估计Method of Moments——亚利桑那大学教授Joseph C. Watkins
【统计推断】估计量的偏差Bias——亚利桑那大学教授Joseph C. Watkins
【统计】统计的危机和如何匍匐前进The Statistical Crisis in Science and How to Move Forward
【因果推断】关于因果推断的一百个故事 100 Stories of Causal Inference——哥伦比亚大学教授Andrew Gelman
【统计推断】最大似然估计1 Maximum Likelihood Estimation —亚利桑那大学教授Joseph C. Watkins
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
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
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
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)
【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)
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
统计最高奖得主【高维回归的推断 Inference for High-Dimensional Regression】—Larry Wasserman
【似然比检验(2) Likelihood Ratio Tests】——亚利桑那大学教授 Joseph C. Watkins
【多重检验Multiple Testing】——亚利桑那大学教授 Joseph C. Watkins
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
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
【高斯过程 Gaussian Processes】
(国外超火博主)变分推断 | 证据下界 | 直觉和可视化
【黑盒(blackbox),白盒(whitebox)和贝叶斯网络】——张颢(清华大学)
统计最高奖得主【非参数方法的缺陷Pitfall of Nonparametric Methods 】—Larry Wasserman
【贝叶斯优化 Bayesian Optimization】
【中心极限定理和大数定律(2) Central Limit Theorem】——约瑟夫·沃特金斯 Joseph C. Watkins(亚利桑那大学)
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
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
Candes和陶哲轩的大作 【稀疏恢复(Sparse Recovery)】——张颢(清华大学)
贝叶斯可加回归树是最好的因果推断工具吗?
【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)
【变分贝叶斯及其他-大规模的贝叶斯推断(ICML 2018)】
【针对小型、不平衡和异方差数据集的深度学习】——马腾宇(斯坦福大学)
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
提升成绩必看【简单假设检验2 Simple Hypothesis】—亚利桑那大学教授Joseph C. Watkins
【高维贝叶斯推断和计算(NeurIPS 2018教程)】——戴维·丹森 David Dunson(杜克大学)
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
【一次带你学会100+统计学概念】
【似然比检验(1) Likelihood Ratio Tests】——亚利桑那大学教授 Joseph C. Watkins
【我不敢相信贝叶斯深度学习没有更好】——塞巴斯蒂安-诺沃津(Sebastian Nowozin)
斯坦福大学【迁移学习:领域自适应 Transfer Learning:Domain Adaptation】——切尔西·芬(Chelsea Finn)
【假设检验的几何分析 Geometric analysis of hypothesis testing】——魏玉婷(宾夕法尼亚大学)