V
主页
【深度学习:感知器、反向传播 Deep Learning:Perceptron, Backpropagation】——Ali Ghodsi
发布人
【深度学习: 感知器、反向传播 Deep Learning: Perceptron, Backpropagation】——Ali Ghodsi(滑铁卢计算机系和统计系教授) @徐芝兰
打开封面
下载高清视频
观看高清视频
视频下载器
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】
正则化Regularization I (一次带你打通关Lasso, Elastic Net, Adaptive Lasso, SCAD, MCP)
多伦多大学【图形套索的扩展GOLAZO (Extension of Graphical Lasso)】—Piotr Zwiernik
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
【多重检验Multiple Testing】——亚利桑那大学教授 Joseph C. Watkins
【黑盒(blackbox),白盒(whitebox)和贝叶斯网络】——张颢(清华大学)
【贝叶斯渐进理论】
【利用分割似然比检验进行普遍推断Universal inference using the split likelihood ratio test】
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
【似然比检验(1) Likelihood Ratio Tests】——亚利桑那大学教授 Joseph C. Watkins
【贝叶斯 VS 频率学派: 斯通悖论 (Stone’s Paradox)】——拉里·沃瑟曼 Larry Wasserman
巴黎第九大学【贝叶斯近似计算(2) Approximate Bayesian Computation i.e. ABC】——克里斯蒂安·罗伯特
【强化学习(Reinforcement Learning)】——常虹(中国科学院大学)
【贝叶斯估计Bayes Estimation】——亚利桑那大学教授Joseph C. Watkins
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
【贝叶斯金字塔】——戴维·丹森 David Dunson(杜克大学)
【华人统计学家一览和现况】
【计量经济学:工具变量 (instrumental variables)】
【贝叶斯因子:谁担心,谁不担心以及为什么 Bayes Factors: who’s worried, who’s not, and why】
【一次带你打通关统计推断基础(1)】——威尔·菲西安(Will Fithian, 加州大学伯克利分校统计系教授)
【高能物理里的统计推断】
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)
[吉布斯采样器和MCMC] Gelfand and Smith (1990) 论文讨论第1部分—Jingchen Hu(Vassar College)
【似然比检验(2) Likelihood Ratio Tests】——亚利桑那大学教授 Joseph C. Watkins
提升成绩必看【简单假设检验1 Simple Hypothesis】——亚利桑那大学教授Joseph C. Watkins
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
【实用的统计诊断方法(着重于受试者工作特征曲线ROC Curve)】——范德堡大学教授Frank Harrell
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
【马尔可夫链蒙特卡罗方法(2) (Markov chain Monte Carlo,MCMC) 】——张颢(清华大学)
【确定性独立筛选(sure independence screening, SIS)】——范剑青(普林斯顿大学)
【AdaPT: 利用辅助信息进行多重检验的动态方法】——雷理骅(斯坦福大学)
高维统计大佬【隐私和统计:孰轻孰重Privacy and statistical minimax:quantitative tradeoffs】
【高维贝叶斯推断和计算(NeurIPS 2018教程)】——戴维·丹森 David Dunson(杜克大学)
【因果推断、重随机化 Rerandomization】——唐纳德·布鲁斯·鲁宾(Donald Bruce Rubin)
【哈佛大学教授教你高级贝叶斯思维】——Joseph K. Blitzstein 约瑟夫·K·布利茨斯坦(哈佛大学应用统计专业教授)
统计最高奖得主【非参数方法的缺陷Pitfall of Nonparametric Methods 】—Larry Wasserman
【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)
【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)
【稀疏模型】——张潼(伊利诺伊大学)
【MCMC vs. Variational Inference】——Yi an Ma (加州大学圣地亚哥分校计算机系教授)