nhaliday + p:***   17

CS229T/STATS231: Statistical Learning Theory
Course by Percy Liang covers a mix of statistics, computational learning theory, and some online learning. Also surveys the state-of-the-art in theoretical understanding of deep learning (not much to cover unfortunately).
yoga  stanford  course  machine-learning  stats  👳  lecture-notes  acm  kernels  learning-theory  deep-learning  frontier  init  ground-up  unit  dimensionality  vc-dimension  entropy-like  extrema  moments  online-learning  bandits  p:***  explore-exploit 
june 2016 by nhaliday

bundles : props

related tags

academia  accretion  acm  acmtariat  akrasia  algorithms  ankur-moitra  apollonian-dionysian  applications  approximation  arrows  atoms  average-case  aversion  bandits  bayesian  big-picture  books  caltech  chart  checklists  clever-rats  cmu  coding-theory  compressed-sensing  concentration-of-measure  concept  conceptual-vocab  confluence  convexity-curvature  core-rats  counting  course  crypto  cs  curvature  data-science  decision-theory  deep-learning  differential  dimensionality  distribution  draft  duality  embeddings  encyclopedic  ends-means  ensembles  entropy-like  estimate  expanders  expert  expert-experience  explore-exploit  extrema  fall-2016  finiteness  fourier  frontier  game-theory  gradient-descent  graph-theory  graphical-models  graphs  ground-up  growth  gtd  habit  hashing  heuristic  hi-order-bits  high-dimension  homogeneity  huge-data-the-biggest  ideas  impact  init  iterative-methods  kernels  knowledge  latent-variables  learning-theory  lecture-notes  lectures  levers  linear-algebra  linear-programming  linearity  links  list  machine-learning  manifolds  markov  martingale  math  math.AT  math.CA  math.CO  math.GN  matrix-factorization  measure  meta:math  metabuch  metameta  mihai  mit  model-class  moments  monte-carlo  multi  nibble  nlp  norms  occam  off-convex  online-learning  optimization  org:bleg  org:edu  org:mat  p:***  p:whenever  PAC  pdf  perturbation  pigeonhole-markov  polynomials  potential  pragmatic  pre-2013  presentation  princeton  prioritizing  probability  problem-solving  procrastination  productivity  quixotic  random-matrices  random-networks  ratty  regularization  reinforcement  rigorous-crypto  roadmap  rounding  s:***  sample-complexity  sampling  sanjeev-arora  scholar-pack  SDP  series  skeleton  smoothness  sparsity  spectral  stanford  stats  stochastic-processes  stress  studying  sublinear  submodular  synthesis  tcs  telos-atelos  the-monster  thinking  tim-roughgarden  toolkit  top-n  topology  track-record  tricki  unit  valiant  vc-dimension  video  winter-2017  wire-guided  yoga  🎓  👳  🦉 

Copy this bookmark: