V
主页
斯坦福大学【迁移学习:领域自适应 Transfer Learning:Domain Adaptation】——切尔西·芬(Chelsea Finn)
发布人
YouTube 【迁移学习: 领域自适应 Transfer Learning:Domain Adaptation】——切尔西·芬(Chelsea Finn) (斯坦福大学的美国计算机科学家和助理教授。她的研究通过机器人的交互作用来研究智力,以期创建可以学习如何学习的机器人系统。她是Google Brain小组的成员。) @徐芝兰
打开封面
下载高清视频
观看高清视频
视频下载器
【自监督学习 Self-supervised learning】——马腾宇(斯坦福大学计算机科学与统计学的助理教授)
【针对小型、不平衡和异方差数据集的深度学习】——马腾宇(斯坦福大学)
Candes和陶哲轩的大作 【稀疏恢复(Sparse Recovery)】——张颢(清华大学)
【凸优化基础、线性规划和内点法】——张颢(清华大学)
前谷歌CEO爆猛料,这些话是我们能听的?
统计最高奖得主、华盛顿大学教授【图模型结构的学习 Learning the Structure of a Graphical Model】——丹妮拉·威滕
斯坦福大学联系张祥前,张祥前
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
【麻省理工(MIT)博士答辩:可解释深度神经网络】——大卫·鲍(David Bau)
吴恩达揭大企业遮羞布,反对开源,全是为了一己利益
【贪婪算法与压缩感知理论】—张颢(清华大学)
【关于高斯分布的一切:理论和应用】——张颢(清华大学)
斯坦福公认最好的【李飞飞计算机视觉实战课】完整16讲全集!全网最好的自学课程!中英双语!
【马尔可夫链蒙特卡罗方法(1) (Markov chain Monte Carlo,MCMC) 】——张颢(清华大学)
【老娘教你什么是语感】【真正的大道至简】斯坦福大学计算机理科学霸华裔史逸欣脱麦清唱绿岛小夜曲大师级的强弱切换共鸣感人
【跟Kaggle第一名学习Kaggle比赛策略】——Owen Zhang
【假设检验的几何分析 Geometric analysis of hypothesis testing】——魏玉婷(宾夕法尼亚大学)
【NP-hard的极简定义】——斯蒂芬·P·博伊德 Stephen P. Boyd(斯坦福大学)
【图形学 试衣模拟】——李一飞 (MIT计算机博士)
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
【稀疏模型】——张潼(伊利诺伊大学)
【快速傅里叶变换 Fast Fourier Transform】——埃里克·德梅因 Erik Demaine(麻省理工学院)
【一次带你刷完随机变量的各种收敛、中心极限定理和大数定律】——张颢(清华大学)
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? 】
【支持向量机和核方法 SVM and Kernel】——张颢(清华大学)
【抛硬币到底有多随机】——佩尔西·戴康尼斯 Persi Diaconis(斯坦福大学统计学教授、职业魔术师、证明了完美的洗牌至少要洗七次)
【大概近似正确学习 (PAC Learning)】——阿里·戈德西 Ali Ghodsi(滑铁卢大学)
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】
【想学统计吗? 会赌博就行! 】
斯坦福大学《计算机科学的概率论|CS109 Introduction to Probability for Computer Scientists 22》豆包
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
【统计学中最奇怪的悖论——斯坦因悖论 The weirdest paradox in statistics - Stein's Paradox】
斯坦福大学【生存分析入门(1) Introduction to Survival Data and Censoring】
【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)
“数学与应用数学”会学些什么?
【普林斯顿大学本科生最佳论文答辩】
美国留学一年开销|学费、住宿、吃喝、旅游各板块一览|出国前要准备多少钱?
【约束最小二乘(1)】——斯蒂芬·P·博伊德 Stephen P. Boyd(斯坦福大学)
正则化Regularization I (一次带你打通关Lasso, Elastic Net, Adaptive Lasso, SCAD, MCP)
【期望最大化算法(EM)背后的深层框架(1) Majorize-Minimization (MM) framework】——杨宇红