V
主页
京东 11.11 红包
【似然比检验(1) Likelihood Ratio Tests】——亚利桑那大学教授 Joseph C. Watkins
发布人
【似然比检验(1) Likelihood Ratio Tests】——亚利桑那大学教授 Joseph C. Watkins @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
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
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)
正则化Regularization I (一次带你打通关Lasso, Elastic Net, Adaptive Lasso, SCAD, MCP)
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
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? 】
【变分贝叶斯及其他-大规模的贝叶斯推断(ICML 2018)】
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
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
统计最高奖得主【非参贝叶斯Nonparametric Bayes】——Larry Wasserman
斯坦福大学【生存分析入门(1) Introduction to Survival Data and Censoring】
【统计推断】矩估计Method of Moments——亚利桑那大学教授Joseph C. Watkins
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】
【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)】
统计最高奖得主【高维回归的推断 Inference for High-Dimensional Regression】—Larry Wasserman
统计最高奖得主/高维统计大佬【高维统计入门2 High-Dimensional Statistics】—加州伯克利大学教授Martin Wainwright
【温情赞美显著性检验 In gentle praise of Significance Tests】
统计 | 麻省理工学院【非参数贝叶斯方法:模型、算法和应用】——Tamara Ann Broderick(从事机器学习和贝叶斯推断)
杜克大学【核密度估计Kernel Density Estimation】—Cynthia Rudin
正则化Regularization II(一次带你打通关Lasso, Elastic Net, Adaptive Lasso, SCAD, MCP)
统计 | 麻省理工学院【次模性的理论和应用】——Stefanie Jegelka (斯蒂芬妮·耶格尔卡)
【置信区间(2) Confidence Intervals】——亚利桑那大学教授 Joseph C. Watkins
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
普渡博士答辩【图聚类的优化框架 Optimization Frameworks for Graph Clustering】
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
加拿大数据科学研究主席【函数型数据分析入门Introduction for Functional Data Analysis】—Jiguo Cao
【统计推断】最大似然估计1 Maximum Likelihood Estimation —亚利桑那大学教授Joseph C. Watkins
【5个简单步骤解决任何递归问题 5 Simple Steps for Solving Any Recursive Problem】
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】
【马尔可夫链蒙特卡罗方法(1) (Markov chain Monte Carlo,MCMC) 】——张颢(清华大学)
【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
【拥有统计学博士学位后可能的职业生涯】——伦敦政治经济学院校友座谈会
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
【惩罚估计】——邹晖(明尼苏达大学)
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
统计最高奖"考普斯会长奖"得主【用于预测的回归模型Regression Models for Prediction】—Andrew Gelman
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
【黑盒(blackbox),白盒(whitebox)和贝叶斯网络】——张颢(清华大学)
爱荷华州立大学【无信息先验 Non-informative prior】——贾拉德·尼米(Jarad Niemi)