V
主页
加州大学计算遗传学教授,美国科学院院士【Majorization-Minimization Algorithm】——Kenneth L Lange
发布人
YouTube 加州大学洛杉矶分校计算遗传学教授 ,美国科学院院士【Majorization-Minimization Algorithm】——Kenneth L Lange(MM algorithm主要贡献者) @徐芝兰
打开封面
下载高清视频
观看高清视频
视频下载器
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
【后现代贝叶斯机器学习(Post-Bayesian Machine Learning)】
【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)
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)
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】
【加州大学伯克利分校 (UC Berkeley) 统计系 2024年毕业典礼】
【期望最大化算法(EM)背后的深层框架(1) Majorize-Minimization (MM) framework】——杨宇红
统计:性感的代名词吗?Statistics: The New Sexy? ——斯坦福大学教授Rob Tibshirani
【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】
统计最高奖得主/高维统计大佬【高维统计入门1 High-Dimensional Statistics】—加州伯克利大学教授Martin Wainwright
统计最高奖"考普斯会长奖"得主【用于预测的回归模型Regression Models for Prediction】—Andrew Gelman
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】
【实分析:测度论一览】—韩邦先
【期望最大化算法(EM)背后的深层框架(3) Majorize-Minimization (MM) framework】——杨宇红
【假设检验的几何分析 Geometric analysis of hypothesis testing】——魏玉婷(宾夕法尼亚大学)
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】
【广义LASSO问题及其对偶和KKT条件】——瑞恩·J·提布希拉尼 Ryan Tibshirani(加州大学伯克利分校统计教授)
【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)
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
【黑盒(blackbox),白盒(whitebox)和贝叶斯网络】——张颢(清华大学)
【变分贝叶斯及其他-大规模的贝叶斯推断(ICML 2018)】
IMS fellow、ASA fellow【用于大数据分析的迭代蒙特卡罗方法最新进展】—Faming Liang
【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)】
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
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【社会强化学习】——娜塔莎·雅克
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
【偏序和哈斯图—离散数学 Partial Orders and Hasse Diagrams】
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
【马尔可夫链蒙特卡罗方法(1) (Markov chain Monte Carlo,MCMC) 】——张颢(清华大学)
统计最高奖得主【高维回归的推断 Inference for High-Dimensional Regression】—Larry Wasserman
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
Candes和陶哲轩的大作 【稀疏恢复(Sparse Recovery)】——张颢(清华大学)
【图论导论:计算机科学视角 Introduction to Graph Theory:A Computer Science Perspective】
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
【讨论会:机器学习的未来】——迈克尔·乔丹 Michael I. Jordan(美国三院院士、机器学习超级大佬、加州大学伯克利分校教授)
麻省理工大学【MTP2 让您梦想成真 Your Dreams May Come True with MTP2】——Caroline Uhler
【关于贝叶斯方法的误解 Myths and misconceptions about Bayesian methods】
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)】
【贝叶斯 VS 频率学派: 斯通悖论 (Stone’s Paradox)】——拉里·沃瑟曼 Larry Wasserman