V
主页
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
发布人
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(High-Dimensional Statistics A Non-Asymptotic Viewpoint 作者) @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
美国三院院士/机器学习超级大佬【共形预测Conformal Prediction】—加州大学伯克利分校教授Michael I. Jordan
美国三院院士/机器学习超级大佬【贝叶斯学派还是频率学派,只能选一边吗?Bayesian or Frequentist, Which Are You? 】
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)
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)】
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
建立对数据科学深刻的统计思考Building Deep Statistical Thinking for Data Science—哈佛大学教授孟晓犁
统计最高奖得主【非参数方法的缺陷Pitfall of Nonparametric Methods 】—Larry Wasserman
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
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
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
芝加哥大学教授【贝叶斯生成式人工智能 Generative AI for Bayes】——维罗妮卡·罗科娃 Veronika Rockova
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)
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
【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)
正则化Regularization II(一次带你打通关Lasso, Elastic Net, Adaptive Lasso, SCAD, MCP)
英属哥伦比亚大学UBC教授【你想知道的各种优化方法(2)】——Mark Schmidt(马克·施密特)
加州大学计算遗传学教授,美国科学院院士【Majorization-Minimization Algorithm】——Kenneth L Lange
统计最高奖得主【非参贝叶斯Nonparametric Bayes】——Larry Wasserman
【集中不等式 Concentration Inequalities】——杰拉尼·尼尔森 Jelani Osei Nelson(加州大学伯克利分校的埃塞俄比亚裔美
美国三院院士/机器学习超级大佬【什么是统计?What is Statistics? 】 —加州大学伯克利分校教授Michael I. Jordan
【因果推断】关于因果推断的一百个故事 100 Stories of Causal Inference——哥伦比亚大学教授Andrew Gelman
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】
【我不敢相信贝叶斯深度学习没有更好】——塞巴斯蒂安-诺沃津(Sebastian Nowozin)
哥伦比亚大学【比双重差分法更好 Better than difference-in-differences】——Andrew Gelman
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
加州大学洛杉矶分校统计系教授【V 统计量和 U 统计量入门 Introduction to V and U Statistics】——李婧翌
《模式识别与机器学习– PRML》作者,【图模型(2) Graphical Models】—Christopher Michael Bishop
【统计学中最奇怪的悖论——斯坦因悖论 The weirdest paradox in statistics - Stein's Paradox】
【人工智能如何让我们失望,以及经济学如何帮助我们】——迈克尔·乔丹 Michael I. Jordan(加州大学)
【高维贝叶斯推断和计算(NeurIPS 2018教程)】——戴维·丹森 David Dunson(杜克大学)
【似然比检验(1) Likelihood Ratio Tests】——亚利桑那大学教授 Joseph C. Watkins
统计 | 牛津大学机器学习教授、谷歌DeepMind首席研究科学家【重要性取样 Importance sampling】—Nando de Freitas
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
【华人统计学家一览和现况】
哥伦比亚大学【循证实践是一条双向路Evidence-Based Practice Is a Two-Way Street】—Andrew Gelman
【孟晓犁 | 范剑青 对谈统计学】——(哈佛大学 | 普林斯顿大学)
【黑盒(blackbox),白盒(whitebox)和贝叶斯网络】——张颢(清华大学)
美国三院院士/机器学习超级大佬【机器学习的隐患The pitfalls of Machine Learning】—Michael I. Jordan
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