V
主页
加州大学洛杉矶分校统计系教授【U 统计量的渐近分布 Asymptotic Distribution of U Statistic】——李婧翌
发布人
YouTube 加州大学洛杉矶分校统计系教授【U 统计量的渐近分布 Asymptotic Distribution of U Statistic】——李婧翌 (Jingyi Jessica Li,生物信息学家。她的主要研究领域是统计学与生物学的交叉内容,致力于开发针对生物医学科学中的重大问题和大基因组时代人体健康相关遗传信息数据的统计和计算方法。她的团队主要研究成果包括下一代RNA测序、染色质状态序列比较、遗传信息中心法则中的信息流处理等。她于2018年获得斯隆研究奖。) @徐芝兰
打开封面
下载高清视频
观看高清视频
视频下载器
【精校】AI提示词工程深入探讨| Anthropic官方圆桌 2024.9【中英字幕】
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
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
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
【贝叶斯网络 Bayesian Network】
【全198集】CV入门到起飞!一口气学完Python、OpenCV、深度学习基础、Pytorch、卷积神经网络、物体检测、图像分割、等八大计算机视觉必备基础!
【后现代贝叶斯机器学习(Post-Bayesian Machine Learning)】
强推!这可能是唯一能将AI Agent讲清楚的课程了,公认最适合新手入门Agent大模型实战系列,3小时全流程解读分析,简直比刷剧还爽!人工智能|大模型
【序贯采样、粒子滤波与隐马尔可夫模型】——张颢(清华大学)
统计 | 曾是谷歌高级研究科学家,将于2024年1月加入华盛顿大学计算机系任助理教授【麻省理工MIT博士答辩】——Natasha Jaques
戴国浩:AI中的GPU高效计算与稀疏优化
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
统计【经验分布和经验过程简史】
正则化Regularization I (一次带你打通关Lasso, Elastic Net, Adaptive Lasso, SCAD, MCP)
【Kaplan-Meier估计 (生存分析)】
【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)
【因果树 Causal Trees】——吉多·威廉默斯·因本斯(Guido Wilhelmus Imbens)
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
《模式识别与机器学习– PRML》作者,【图模型(1) Graphical Models】—Christopher Michael Bishop
【贝叶斯优化 Bayesian Optimization】
【模特姐姐教你数据库管理系统导论 Introduction to Database Management Systems】——林郁珊(Yusan Lin)
斯坦福大学【为什么马尔可夫发明马尔可夫链?Why did Markov invent Markov Chains?】—Persi Diaconis
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)
【假设检验的几何分析 Geometric analysis of hypothesis testing】——魏玉婷(宾夕法尼亚大学)
英伟达机器学习研究主管、加州理工学院计算机系教授【神经算子: 学习偏微分方程的新范式】——阿尼玛什雷 (Anima) 阿南德库玛
统计最高奖得主【非参数方法的缺陷Pitfall of Nonparametric Methods 】—Larry Wasserman
斯坦福大学统计系和计算机科学系教授【针对独立和相关数据的随机梯度MCMC】——Emily Fox
【统计】统计的危机和如何匍匐前进The Statistical Crisis in Science and How to Move Forward
【贝叶斯渐进理论】
麻省理工大学【通过基于置换的算法进行因果推断Causal inference through permutation-based algorithms】
【因果推断概论 Introduction to Causal Inference】
爱荷华州立大学【无信息先验 Non-informative prior】——贾拉德·尼米(Jarad Niemi)
爱荷华州立大学【Metropolis-within-Gibbs】——贾拉德·尼米(Jarad Niemi)
Fisher费雪之女士一直品茶。卡内基梅隆大学统计和机器学习系助理教授【Betting scores, e-values and martingales】
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
【贝叶斯数据分析全打通(2)】——宋心远(香港中文大学统计系教授)
重发爆赞!李永乐老师深度讲解AI!带你了解电脑如何像人一样思考,带你学习AI前沿技术/人工智能/机器学习/深度学习/神经网络/计算机技术
【低秩矩阵 Low-Rank Matrices】——吉尔伯特-斯特朗 (Gilbert Strang)
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】