V
主页
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)
发布人
YouTube 麻省理工学院【次模性的理论和应用 Submodularity: Theory and Applications】——Stefanie Jegelka (斯蒂芬妮·耶格尔卡的研究方向是算法机器学习,涵盖建模、优化算法、理论和应用。利用数学结构解决离散和组合机器学习问题,以实现鲁棒性和扩展机器学习算法。) @徐芝兰
打开封面
下载高清视频
观看高清视频
视频下载器
MIT《数值分析导论|mit 18.330 introduction to numerical analysis 2020 sp》Claude-3.5翻译
MIT《Web开发速成课|MIT Web Development Crash Course 2024》中英字幕
【贝叶斯渐进理论】
【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
【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
Fisher费雪之女士一直品茶。卡内基梅隆大学统计和机器学习系助理教授【Betting scores, e-values and martingales】
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】
【因果推断概论 Introduction to Causal Inference】
【贝叶斯优化 Bayesian Optimization】
【变分贝叶斯及其他-大规模的贝叶斯推断(ICML 2018)】
加州大学计算遗传学教授,美国科学院院士【Majorization-Minimization Algorithm】——Kenneth L Lange
正则化Regularization I (一次带你打通关Lasso, Elastic Net, Adaptive Lasso, SCAD, MCP)
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
【三门问题 Monty Hall 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】
【华人统计学家一览和现况】
曾担任美国统计协会和数学统计研究所的主席,因提出自举重采样技术而闻名【贝叶斯估计的频率派准确性】——Bradley Efron
曾是苹果公司特别项目组机器学习负责人、Google Brain的研究科学家【生成对抗网络(GAN)】——Ian Goodfellow
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
【贝叶斯网络 Bayesian Network】
【硕士/博士申请 讨论会——华盛顿大学统计系及生物统计系】
【关于高斯分布的一切:理论和应用】——张颢(清华大学)
【Kaplan-Meier估计 (生存分析)】
统计最高奖得主【高维回归的推断 Inference for High-Dimensional Regression】—Larry Wasserman
卡内基梅隆大学计算机系教授【通过指数族建立混合图模型 Mixed Graphical Models via Exponential Families】
【针对高维逻辑回归的现代最大似然估计理论】—哈佛大学助理教授 Pragya Sur
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
正则化Regularization II(一次带你打通关Lasso, Elastic Net, Adaptive Lasso, SCAD, MCP)
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)
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
【贝叶斯数据分析全打通(2)】——宋心远(香港中文大学统计系教授)
统计【经验分布和经验过程简史】
统计最高奖得主【非参数方法的缺陷Pitfall of Nonparametric Methods 】—Larry Wasserman
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
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)】
【5个简单步骤解决任何递归问题 5 Simple Steps for Solving Any Recursive Problem】
【高斯过程 Gaussian Processes】
【贝叶斯数据分析全打通(4)】——宋心远(香港中文大学统计系教授)