V
主页
【选择后推断 Post-Selection Inference】——詹姆斯·斯科特 James Scott
发布人
【选择后推断 Post-Selection Inference】——詹姆斯·斯科特 James Scott 德克萨斯大学奥斯汀分校统计教授,著名工作有horseshoe prior, logistic models using Polya-Gamma latent variables. @徐芝兰 @BuddyBG @AI深度学渣 @R与统计
打开封面
下载高清视频
观看高清视频
视频下载器
【计量经济学:工具变量 (instrumental variables)】
【哈佛大学教授教你高级贝叶斯思维】——Joseph K. Blitzstein 约瑟夫·K·布利茨斯坦(哈佛大学应用统计专业教授)
【黑盒(blackbox),白盒(whitebox)和贝叶斯网络】——张颢(清华大学)
【错误发现率平滑(FDR smoothing)方法】——詹姆斯·斯科特 James Scott
【因果推断、重随机化 Rerandomization】——唐纳德·布鲁斯·鲁宾(Donald Bruce Rubin)
240集全【六年级计算】PDF资料 北大硕士教你练计算
【半监督学习(Semi-supervised Learning)】——常虹(中国科学院大学)
【概率图模型的一切】—常虹(中国科学院大学)
【变分贝叶斯及其他-大规模的贝叶斯推断(ICML 2018)】
【贝叶斯渐进理论】
【贝叶斯优化 Bayesian Optimization】
新加坡国立大学【贝叶斯近似计算(1) Approximate Bayesian Computation i.e. ABC】——大卫·诺特
【贪婪算法与压缩感知理论】—张颢(清华大学)
【高斯过程 Gaussian Processes】
【我是如何对科学家失去信任的】
【证明 1+1=2】
【强化学习(Reinforcement Learning)】——常虹(中国科学院大学)
【因果推理的必要概念: 非凡的历史】——唐纳德·布鲁斯·鲁宾 Donald Bruce Rubin (哈佛大学)
【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)
【因果推断概论 Introduction to Causal Inference】
正则化Regularization I (一次带你打通关Lasso, Elastic Net, Adaptive Lasso, SCAD, MCP)
【通过 PAC-Bayes 研究深度学习中的泛化问题】—金塔尔·卡罗琳娜·吉盖特 Gintare Karolina Dziugaite
【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
【跟Kaggle第一名学习Kaggle比赛策略】——Owen Zhang
【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)
【实分析:积分理论一览】—韩邦先
大样本的乌托邦
【支持向量机和核方法 SVM and Kernel】——张颢(清华大学)
【凸优化基础、线性规划和内点法】——张颢(清华大学)
【期望最大化算法(EM)背后的深层框架(3) Majorize-Minimization (MM) framework】——杨宇红
【无穷的无穷多个尺度】
斯坦福大学【生存分析入门(1) Introduction to Survival Data and Censoring】
【奇异值分解 Singular Value Decomposition (SVD)】——吉尔伯特-斯特朗 (Gilbert Strang)
【统计里的大海捞针法】—蔡天文 Tony Cai(宾夕法尼亚大学)
【快速傅里叶变换 Fast Fourier Transform】——埃里克·德梅因 Erik Demaine(麻省理工学院)
【非参数回归】——瑞恩·J·提布希拉尼 Ryan Tibshirani(卡内基梅隆大学)
【利用分割似然比检验进行普遍推断Universal inference using the split likelihood ratio test】
【AdaPT: 利用辅助信息进行多重检验的动态方法】——雷理骅(斯坦福大学)
【随机过程期末救命课】—张颢(清华大学)
【凸优化一览】——瑞安·亚当斯 Ryan P. Adams(普林斯顿大学)