V
主页
【AdaPT: 利用辅助信息进行多重检验的动态方法】——雷理骅(斯坦福大学)
发布人
【AdaPT: 利用辅助信息进行多重检验的动态方法】——雷理骅 斯坦福大学商学院经济学组助理教授。2014年毕业于北京大学数学科学学院。2019年于加州大学伯克利分校获得统计学博士学位,师从Peter Bickel教授和Michael Jordan教授。2019-2022年在斯坦福大学与Emmanuel Candès教授完成了博士后工作。主要研究方向是因果推断、计量经济学、conformal inference、多重检验、网络聚类、高维统计推断、随机优化。
打开封面
下载高清视频
观看高清视频
视频下载器
【我是如何对科学家失去信任的】
【期望最大化算法(EM)背后的深层框架(3) Majorize-Minimization (MM) framework】——杨宇红
【统计决策理论:风险函数】
【马尔可夫链蒙特卡罗方法(1) (Markov chain Monte Carlo,MCMC) 】——张颢(清华大学)
【证明 1+1=2】
【贝叶斯渐进理论】
【确定性独立筛选(sure independence screening, SIS)】——范剑青(普林斯顿大学)
【假设检验的几何分析 Geometric analysis of hypothesis testing】——魏玉婷(宾夕法尼亚大学)
【统计显著性的发明史】
【哈佛大学教授教你高级贝叶斯思维】——Joseph K. Blitzstein 约瑟夫·K·布利茨斯坦(哈佛大学应用统计专业教授)
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
Candes和陶哲轩的大作 【稀疏恢复(Sparse Recovery)】——张颢(清华大学)
【序贯采样、粒子滤波与隐马尔可夫模型】——张颢(清华大学)
巴黎第九大学【贝叶斯近似计算(2) Approximate Bayesian Computation i.e. ABC】——克里斯蒂安·罗伯特
【贝叶斯数据分析全打通(3)】——宋心远(香港中文大学统计系教授)
【一阶二阶优化与次梯度】——张颢(清华大学)
【强化学习(Reinforcement Learning)】——常虹(中国科学院大学)
【实分析:测度论一览】—韩邦先
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】
【利用分割似然比检验进行普遍推断Universal inference using the split likelihood ratio test】
斯坦福大学【生存分析入门(1) Introduction to Survival Data and Censoring】
【从任意概率分布中采样】
【半监督学习(Semi-supervised Learning)】——常虹(中国科学院大学)
【马尔可夫链蒙特卡罗方法(2) (Markov chain Monte Carlo,MCMC) 】——张颢(清华大学)
【无穷的无穷多个尺度】
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
【约束最小二乘(1)】——斯蒂芬·P·博伊德 Stephen P. Boyd(斯坦福大学)
【参数估计及习题讲解(1)】—何书元(首都师范大学)
【《我的世界》极低概率事件:一个人能有多幸运】
【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)
【通过最优最小二乘法为超高维回归筛选变量】——Xiangyu Wang
【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)
【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)
【高斯过程 Gaussian Processes】
任何人都可用的自适应马可夫链蒙特卡洛算法 Adaptive MCMC For Everyone——Jeffrey S. Rosenthal
【因果推理的必要概念: 非凡的历史】——唐纳德·布鲁斯·鲁宾 Donald Bruce Rubin (哈佛大学)
【高维稀疏主成分分析和差分隐私】——Jing Lei(卡内基梅隆大学)
【当统计遇上计算: 一些有意思的问题和挑战】——蔡天文 T. Tony Cai(宾夕法尼亚大学)
【凸优化基础、线性规划和内点法】——张颢(清华大学)
统计最高奖得主【非参数方法的缺陷Pitfall of Nonparametric Methods 】—Larry Wasserman