V
主页
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
发布人
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(微软的杰出科学家、美国国家工程院院士、美国国家科学院院士) @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
杜克大学(知识要点编成歌)【多臂老虎机之歌The Song of the Multi-Armed Bandit】—Cynthia Rudin
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
统计最高奖得主【高维回归的推断 Inference for High-Dimensional Regression】—Larry Wasserman
【变分贝叶斯及其他-大规模的贝叶斯推断(ICML 2018)】
正则化Regularization I (一次带你打通关Lasso, Elastic Net, Adaptive Lasso, SCAD, MCP)
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】
美国科学院院士/IMS前主席郁彬【利用lasso方法的特征选择Feature Selection Through Lasso】
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
IMS fellow、ASA fellow【用于大数据分析的迭代蒙特卡罗方法最新进展】—Faming Liang
统计【经验分布和经验过程简史】
【统计学中最奇怪的悖论——斯坦因悖论 The weirdest paradox in statistics - Stein's Paradox】
《模式识别与机器学习– PRML》作者,【图模型(2) Graphical Models】—Christopher Michael Bishop
ASA:NSF:BLS Fellow【贝叶斯分层建模 JAGS的MCMC模拟第 1 部分】——Jingchen Hu
杜克大学【核密度估计Kernel Density Estimation】—Cynthia Rudin
统计最高奖得主【非参贝叶斯Nonparametric Bayes】——Larry Wasserman
【贝叶斯估计Bayes Estimation】——亚利桑那大学教授Joseph C. Watkins
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)
【贝叶斯网络 Bayesian Network】
杜克大学【岭回归有闭式解Ridge Regression has a closed form solution】—Cynthia Rudin
斯坦福大学【生存分析入门(1) Introduction to Survival Data and Censoring】
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】
【高斯差分隐私和中心极限定理 Gaussian Differential Privacy and Central Limit Theorems】 ——苏炜杰
【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)
【多重检验Multiple Testing】——亚利桑那大学教授 Joseph C. Watkins
[吉布斯采样器和MCMC] Gelfand and Smith (1990) 论文讨论第1部分—Jingchen Hu(Vassar College)
【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、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
【沃瑟斯坦度量的估计Estimating the Wasserstein Metric 】—纽约大学教授Jonathan Niles Weed
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)
美国三院院士/机器学习超级大佬【什么是统计?What is Statistics? 】 —加州大学伯克利分校教授Michael I. Jordan
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
哈佛大学孟晓犁【全套马尔可夫链蒙特卡洛算法The full Monte Carlo--A live performance with stars】
爱荷华州立大学【无信息先验 Non-informative prior】——贾拉德·尼米(Jarad Niemi)
【贝叶斯分析入门An Introduction to Bayesian Analysis】——Jessi Cisewski Kehe
【5个简单步骤解决任何递归问题 5 Simple Steps for Solving Any Recursive Problem】
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
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
【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