【E值在多重假设检验中的用处】——阿迪亚·拉姆达斯 Aaditya Ramdas（卡内基梅隆大学）
发布人
打开封面 下载高清视频 观看高清视频 视频下载器
...
【假设检验的几何分析 Geometric analysis of hypothesis testing】——魏玉婷（宾夕法尼亚大学）
...
【贝叶斯渐进理论】
...
【统计最坏情况分析理论(Minimax Theory)】——Larry Wasserman 拉里·A·沃瑟曼（卡内基梅隆大学）
...
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
...
【非参数回归】——瑞恩·J·提布希拉尼 Ryan Tibshirani（卡内基梅隆大学）
...
【统计的真相 你认可吗】——Larry Wasserman 拉里·A·沃瑟曼（卡内基梅隆大学）
...
【概率图模型的一切】—常虹（中国科学院大学）
...
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
...
【概率史上的高光时刻】——尤瓦尔·佩雷斯 Yuval Peres
...
正则化Regularization I （一次带你打通关Lasso, Elastic Net, Adaptive Lasso, SCAD, MCP）
...
【华人统计学家一览和现况】
...
统计 | 卡内基梅隆大学【如果你只有一个数据点...】——詹姆斯·莱纳（James Leiner）
...
【实分析：测度论一览】—韩邦先
...
【关于贝叶斯方法的误解 Myths and misconceptions about Bayesian methods】
...
【低秩矩阵 Low-Rank Matrices】——吉尔伯特-斯特朗 (Gilbert Strang)
...
【关于高斯分布的一切：理论和应用】——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）
...
考研必考【假设检验】
...
【神经科学中的统计思维 Statistical Thinking in Neuroscience】—罗伯特·卡斯Robert E. Kass (卡内基梅隆大学)
...
【后现代贝叶斯机器学习(Post-Bayesian Machine Learning)】
...
【贝叶斯网络 Bayesian Network】
...
【稀疏模型】——张潼（伊利诺伊大学）
...
【马尔可夫链蒙特卡罗方法(2) (Markov chain Monte Carlo，MCMC) 】——张颢（清华大学）
...
【多重检验派对邀请】——马修·斯蒂芬斯 Matthew Stephens
...
加州大学洛杉矶分校统计系讲师【自助法做假设检验 Bootstrap Hypothesis Tests】——Miles Chen
...
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）
...
【想学统计吗? 会赌博就行! 】
...
【约束最小二乘(1)】——斯蒂芬·P·博伊德 Stephen P. Boyd（斯坦福大学）
...
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
...
正则化Regularization II（一次带你打通关Lasso, Elastic Net, Adaptive Lasso, SCAD, MCP）
...
【偏序和哈斯图—离散数学 Partial Orders and Hasse Diagrams】
...
加州大学计算遗传学教授，美国科学院院士【Majorization-Minimization Algorithm】——Kenneth L Lange
...
【机器学习工程师的一天】
...
【强化学习(Reinforcement Learning)】——常虹（中国科学院大学）
...
【计量经济学入门】
...
【确定性独立筛选(sure independence screening, SIS)】——范剑青（普林斯顿大学）
...
【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)】
...
81种数学符号的介绍
...
【黑盒(blackbox),白盒(whitebox)和贝叶斯网络】——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1 High-Dimensional Statistics】—加州伯克利大学教授Martin Wainwright