V
主页
京东 11.11 红包
【顶级人工智能会议到底有多重视应用科学呢?】——辛西娅·鲁丁 Cynthia Rudin(杜克大学)
发布人
YouTube 【顶级人工智能会议到底有多重视应用科学呢?】——辛西娅·鲁丁 Cynthia Rudin(杜克大学可解释机器学习实验室主任、以可解释的机器学习工作而闻名。) @徐芝兰
打开封面
下载高清视频
观看高清视频
视频下载器
【顶级计量经济学家带你手搓lasso, elastic net和SCAD(1)】——亚历山大-贝洛尼(Alexandre Belloni)
【跟Kaggle第一名学习Kaggle比赛策略】——Owen Zhang
【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)
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
正则化Regularization I (一次带你打通关Lasso, Elastic Net, Adaptive Lasso, SCAD, MCP)
【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)
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
【美女科学家带你走进生物信息学】——Maria Nattestad 玛丽亚·纳特斯塔德(冷泉港实验室生物信息博士)
【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)
【麻省理工(MIT)博士答辩:可解释深度神经网络】——大卫·鲍(David Bau)
【不平衡数据综述】——辛西娅·鲁丁 Cynthia Rudin(杜克大学)
【递归最小二乘和奇异值分解 Recursive Least Square and SVD】——张颢(清华大学)
【随机过程期末救命课】—张颢(清华大学)
【期望最大化算法(EM)背后的深层框架(1) Majorize-Minimization (MM) framework】——杨宇红
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)
【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)
【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)
【支持向量机和核方法 SVM and Kernel】——张颢(清华大学)
【深度高斯过程 (Deep Gaussian Processes)】
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
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【社会强化学习】——娜塔莎·雅克
【高维贝叶斯推断和计算(NeurIPS 2018教程)】——戴维·丹森 David Dunson(杜克大学)
【贝叶斯优化 Bayesian Optimization】
【高斯过程 Gaussian Processes】
多变量的烦恼:如何解决多重共线性问题
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】
【深度剖析:NeurIPS 2023 最佳论文奖论文 --大语言模型专题】——Sophia Yang(Anaconda公司资深数据科学家)
【给大家展示你的大作,制作你的第一个R包吧 How to Create Your Own Package in RStudio】
【图深度学习】——马克斯·韦林 Max Welling(阿姆斯特丹大学)
【数据科学-使用tidyverse实现数据可视化 Data Science-Data visualisation with the tidyverse】
统计最高奖得主、华盛顿大学教授【样本分割以外:重复使用数据时仍有效的推断】——丹妮拉·威滕
【通过 PAC-Bayes 研究深度学习中的泛化问题】—金塔尔·卡罗琳娜·吉盖特 Gintare Karolina Dziugaite
【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)
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】
【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】
【后现代贝叶斯机器学习(Post-Bayesian Machine Learning)】
【不确定性量化: 回顾和一些开放性问题】——Aad van der Vaart 阿德·范德沃特(莱顿大学)
【半监督学习(Semi-supervised Learning)】——常虹(中国科学院大学)
7天快速从入门到精通,学习Excel+可视化+数据分析,这一套课程就够!