V
主页
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
发布人
YouTube 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(Daniela Witten是美国生物统计学家、华盛顿大学教授、统计最高奖得主。威滕于2020年当选美国统计学会会士,2022年又当选国际数理统计学会会士。丹妮拉·威滕是著名数学物理学家、菲尔兹奖得主。爱德华·威滕与物理学家基娅拉·纳皮之女,她的姐姐艾拉娜·威滕则是一位神经科学家。) @徐芝兰
打开封面
下载高清视频
观看高清视频
视频下载器
【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【样本分割以外:重复使用数据时仍有效的推断】——丹妮拉·威滕
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)
《模式识别与机器学习– PRML》作者,【图模型(1) Graphical Models】—Christopher Michael Bishop
统计最高奖得主【非参数方法的缺陷Pitfall of Nonparametric Methods 】—Larry Wasserman
【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)
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
【ChatGPT4.0手机版】国内无需魔法,无限次数使用教程来了!
【后现代贝叶斯机器学习(Post-Bayesian Machine Learning)】
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
【统计最高奖得主访谈: 大数据时代的贝叶斯方法】——戴维·丹森 David Dunson(杜克大学)
哈佛大学【高斯混合模型的最大期望算法(1) EM for the Gaussian mixture model 】——Jeff Miller
(国外超火博主)变分推断 | 证据下界 | 直觉和可视化
统计【经验分布和经验过程简史】
正则化Regularization I (一次带你打通关Lasso, Elastic Net, Adaptive Lasso, SCAD, MCP)
【贪婪算法与压缩感知理论】—张颢(清华大学)
多伦多大学【统计最高奖得主回答网友对统计的迷思】——杰弗里·罗森塔尔(Jeffrey Rosenthal)
卡内基梅隆大学统计和机器学习系教授【"通用"的统计推断方法和统计里的绿巨人浩克】——西瓦拉曼 ·巴拉克里希南(Sivaraman Balakrishnan)
【贝叶斯优化 Bayesian Optimization】
谷歌大脑高级研究科学家【任何人可用的可解释性Interpretability For Everyone 】—Been Kim
加州大学洛杉矶分校统计系教授【U 统计量的渐近分布 Asymptotic Distribution of U Statistic】——李婧翌
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
【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
【重要性采样R演示 Importance Sampling R Demo】
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
【在顶级研究团队是什么感受?听美女科学家讲在DeepMind工作和在Google Brain(谷歌大脑)工作的不同】
哥伦比亚大学天文学教授【蒙特卡洛马尔可夫链MCMC分析初学者指南】—David Kipping
哈佛大学【在发展因果推断历程中的艰难Obstacles in the development of causal inference】—James Robins
【因果树 Causal Trees】——吉多·威廉默斯·因本斯(Guido Wilhelmus Imbens)
【统计学中最奇怪的悖论——斯坦因悖论 The weirdest paradox in statistics - Stein's Paradox】
【贝叶斯 VS 频率学派: 斯通悖论 (Stone’s Paradox)】——拉里·沃瑟曼 Larry Wasserman
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
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)】
贝叶斯可加回归树是最好的因果推断工具吗?
【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)
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
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)
【模特姐姐教你数据库管理系统导论 Introduction to Database Management Systems】——林郁珊(Yusan Lin)
MIT《神经计算导论|MIT 9.40 Introduction to Neural Computation, Spring 2018》
EXCEL数据分析入门+数据分析+7天数据分析思维