V
主页
京东 11.11 红包
加州大学洛杉矶分校统计系讲师【用boot库实现自助法】——Miles Chen
发布人
YouTube 加州大学洛杉矶分校统计系讲师【用boot库实现自助法】——Miles Chen @徐芝兰
打开封面
下载高清视频
观看高清视频
视频下载器
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)
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
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
加州大学计算遗传学教授,美国科学院院士【Majorization-Minimization Algorithm】——Kenneth L Lange
【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【经验分布和经验过程简史】
【因果推断概论 Introduction to Causal Inference】
《模式识别与机器学习– PRML》作者,【图模型(2) Graphical Models】—Christopher Michael Bishop
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(1) Graphical Models】—Christopher Michael Bishop
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
【贝叶斯网络 Bayesian Network】
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
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
【硕士/博士申请 讨论会——华盛顿大学统计系及生物统计系】
差分隐私发明者之一【差分隐私的定义The Definition of Differential Privacy 】—哈佛大学教授Cynthia Dwork
【三门问题 Monty Hall Problem】
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】
斯坦福大学【生存分析入门(1) Introduction to Survival Data and Censoring】
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】
【贝叶斯渐进理论】
普渡大学【生成对抗网络和统计的关联】——王啸
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
【一次带你打通关统计推断基础(2)】——威尔·菲西安(Will Fithian, 加州大学伯克利分校统计系教授)
爱荷华州立大学【无信息先验 Non-informative prior】——贾拉德·尼米(Jarad Niemi)
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
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(2)】—T. Tony Cai
【置信区间(2) Confidence Intervals】——亚利桑那大学教授 Joseph C. Watkins
滑铁卢计算机系和统计系教授【从BERT到GPT】——阿里·戈德西(Ali Ghodsi)
【偏序和哈斯图—离散数学 Partial Orders and Hasse Diagrams】
统计最高奖得主【高维回归的推断 Inference for High-Dimensional Regression】—Larry Wasserman
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
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】
英属哥伦比亚大学UBC教授【你想知道的各种优化方法(1)】——Mark Schmidt(马克·施密特)
(国外超火博主)变分推断 | 证据下界 | 直觉和可视化
巴黎第九大学【贝叶斯近似计算(2) Approximate Bayesian Computation i.e. ABC】——克里斯蒂安·罗伯特
【坐标下降法 Coordinate Descent】——瑞恩·J·提布希拉尼 Ryan Tibshirani
【马尔可夫链蒙特卡罗方法(1) (Markov chain Monte Carlo,MCMC) 】——张颢(清华大学)
【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)
【高维贝叶斯推断和计算(NeurIPS 2018教程)】——戴维·丹森 David Dunson(杜克大学)