V
主页
【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
YouTube 【E值在多重假设检验中的用处】——阿迪亚·拉姆达斯 Aaditya Ramdas(卡内基梅隆大学统计和机器学习系的助理教授) @徐芝兰 @BuddyBG @AI深度学渣 @R与统计
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