V
主页
ChatGPT/OpenAI首席科学家【元学习和自我博弈之术Meta Learning and Self Play】—Ilya Sutskever
发布人
ChatGPT背后大佬、OpenAI首席科学家Ilya Sutskever【元学习和自我博弈之术Meta Learning and Self Play】
打开封面
下载高清视频
观看高清视频
视频下载器
【后现代贝叶斯机器学习(Post-Bayesian Machine Learning)】
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
【变分贝叶斯及其他-大规模的贝叶斯推断(ICML 2018)】
【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/高维统计大佬【高维统计入门2 High-Dimensional Statistics】—加州伯克利大学教授Martin Wainwright
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
【二维和三维中的随机游走本质上是不同的(马尔可夫链方法)】
加拿大数据科学研究主席【函数型数据分析入门Introduction for Functional Data Analysis】—Jiguo Cao
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
美国科学院院士/IMS前主席郁彬【利用lasso方法的特征选择Feature Selection Through Lasso】
曾担任美国统计协会和数学统计研究所的主席,因提出自举重采样技术而闻名【贝叶斯估计的频率派准确性】——Bradley Efron
统计 | 麻省理工学院【非参数贝叶斯方法:模型、算法和应用】——Tamara Ann Broderick(从事机器学习和贝叶斯推断)
统计 | 牛津大学机器学习教授、谷歌DeepMind首席研究科学家【重要性取样 Importance sampling】—Nando de Freitas
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】
【偏序和哈斯图—离散数学 Partial Orders and Hasse Diagrams】
正则化Regularization I (一次带你打通关Lasso, Elastic Net, Adaptive Lasso, SCAD, MCP)
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
【贝叶斯分析入门An Introduction to Bayesian Analysis】——Jessi Cisewski Kehe
统计最高奖得主【非参数方法的缺陷Pitfall of Nonparametric Methods 】—Larry Wasserman
《模式识别与机器学习– PRML》作者,【图模型(2) Graphical Models】—Christopher Michael Bishop
【如何用统计学去说谎】
统计【经验分布和经验过程简史】
自助法发明者、因提出自举重采样技术而闻名【自助法 Bootstrap】——布拉德利·埃夫隆(Bradley Efron)
【硕士/博士申请 讨论会——华盛顿大学统计系及生物统计系】
美国三院院士/机器学习超级大佬【贝叶斯学派还是频率学派,只能选一边吗?Bayesian or Frequentist, Which Are You? 】
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)
【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)
任何人都可用的自适应马可夫链蒙特卡洛算法 Adaptive MCMC For Everyone——Jeffrey S. Rosenthal
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
(国外超火博主)变分推断 | 证据下界 | 直觉和可视化
美国三院院士/机器学习超级大佬【机器学习的隐患The pitfalls of Machine Learning】—Michael I. Jordan
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【稀疏估计中令人不愉快的性质Unpleasant Properties of Sparse Estimators(e.g. Lasso)】
正则化Regularization II(一次带你打通关Lasso, Elastic Net, Adaptive Lasso, SCAD, MCP)
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
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】
哈佛大学孟晓犁【大数据时代统计的仙境和悖论Statistical paradises and paradoxes in Big Data】
【贝叶斯数据分析全打通(3)】——宋心远(香港中文大学统计系教授)
【Kaplan-Meier估计 (生存分析)】