V
主页
直观感受一下,派派有多强,简直就是击破利器!!
发布人
派派面板在结尾!!
打开封面
下载高清视频
观看高清视频
视频下载器
Candes和陶哲轩的大作 【稀疏恢复(Sparse Recovery)】——张颢(清华大学)
【贝叶斯金字塔】——戴维·丹森 David Dunson(杜克大学)
【凸优化基础、线性规划和内点法】——张颢(清华大学)
【图灵奖得主、算法分析之父 高德纳 为你解答世间万物】——高德纳(Donald Ervin Knuth,唐纳德·尔文·克努斯)
【统计书里的人跳出来教你似然和充分性】——戴维·哈罗德·布莱克韦尔(David Blackwell)
【解释还是预测?To Explain or To Predict?】——嘉丽特·舒缪利(Galit Shmueli)
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】
【我是如何对科学家失去信任的】
【贝叶斯网络 Bayesian Network】
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
【序贯采样、粒子滤波与隐马尔可夫模型】——张颢(清华大学)
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
【理解非参数统计】
多伦多大学【统计最高奖得主回答网友对统计的迷思】——杰弗里·罗森塔尔(Jeffrey Rosenthal)
【抛硬币到底有多随机】——佩尔西·戴康尼斯 Persi Diaconis(斯坦福大学统计学教授、职业魔术师、证明了完美的洗牌至少要洗七次)
【因果推断概论 Introduction to Causal Inference】
杜克大学【核密度估计Kernel Density Estimation】—Cynthia Rudin
【华人统计学家一览和现况】
【国际贝叶斯分析学会主席访谈: 公共卫生领域贝叶斯的应用】——艾米·海伦·赫林(Amy Helen Herring)
【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)
统计:性感的代名词吗?Statistics: The New Sexy? ——斯坦福大学教授Rob Tibshirani
【支持向量机和核方法 SVM and Kernel】——张颢(清华大学)
【概率史上的高光时刻】——尤瓦尔·佩雷斯 Yuval Peres
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
【孟晓犁 | 范剑青 对谈统计学】——(哈佛大学 | 普林斯顿大学)
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
【统计的真相 你认可吗】——Larry Wasserman 拉里·A·沃瑟曼(卡内基梅隆大学)
ASA:NSF:BLS Fellow【贝叶斯分层建模 JAGS的MCMC模拟第 1 部分】——Jingchen Hu
哥伦比亚大学统计和计算机科学系教授【深度指数族 Deep exponential families NIPS 2016】——David Meir Blei
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)
【期望最大化算法(EM)背后的深层框架(2) Majorize-Minimization (MM) framework】——杨宇红
统计最高奖得主、华盛顿大学教授【样本分割以外:重复使用数据时仍有效的推断】——丹妮拉·威滕
【谁更疯狂:贝叶斯还是费雪 (Who is Crazier: Bayes or Fisher?)】——孟晓犁(哈佛大学)
【贝叶斯数据分析全打通(4)】——宋心远(香港中文大学统计系教授)
【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)
【三门问题 Monty Hall Problem】
【牛顿是如何发现泰勒级数(并没有告诉任何人)】
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
【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
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