统计月读（2022 年 5 月）

推荐语：【体育爱好者专栏】足球番外篇。足球作为世界第一运动，值得再说道一下。提到足球数据科学，就不得不提一下awesome-soccer-analytics。涵盖足球数据科学领域著名的博客、书籍、公司、数据、学术会议、播客、工具包等等内容。值得爱好足球数据科学的同道者细细品玩。

推荐人：陈驰杰

链接：https://github.com/matiasmascioto/awesome-soccer-analytics

推荐语：想使用bookdown，但是不知道怎么调模板怎么办？bookdownplus包可以用来下载bookdown项目模板，还提供了一些常用模板。

推荐人：孔令仁

链接：https://github.com/pzhaonet/bookdownplus

招生介绍：北卡州立大学-计算机系- (多名) 博士/硕士/实习生 - 人工智能/统计/机器学习/深度学习/自然语言处理 (2022 秋季, 2023春/秋季)

工作地点：北卡州立大学

联系方式：dklab.recruiting@gmail.com

详情链接：https://mp.weixin.qq.com/s/mt5gNIp2k55Vo8kr9V0pBw

招生介绍：新泽西理工学院-机械和工业系-Stat/OR/ML方向博士招生（2023春/秋季）

工作地点：新泽西理工学院

联系方式：boshen@vt.edu

详情链接：https://www.1point3acres.com/bbs/thread-891851-1-1.html

推荐语：这是一篇关于如何通过 kableExtra 在 rmd 中实现条件格式的分享博客，可以用来更好展现数据表格。

推荐人：孔令仁

链接：https://datadojo.dev/2018/11/05/formatting-tables-in-r-markdown-with-kableextra/; 官方文档: https://haozhu233.github.io/kableExtra/

推荐语：N卡虚拟化方案vGPU通常仅支持V100、A100等价格达数万以上的企业级显卡，但其实一些万元内的消费级显卡硬件架构上也是支持虚拟化的，vGPU_unlock给vGPU驱动注入代码实现解除软件级限制的项目。以万元左右价格打造家庭虚拟桌面游戏服务器，搭配树莓派DIY瘦客户机，实现一卡多用，游戏多开，Home Lab玩家值得了解。

推荐人：苏锦华

链接：https://github.com/DualCoder/vgpu_unlock

推荐语：【寻找世界上的“另一个”你…】在观察研究中，由于种种原因，数据偏差和混杂变量较多。倾向评分匹配法(PSM)正是为了减少这些偏差和混杂变量的影响，以便对实验组和对照组进行更合理的比较。这篇学习笔记为我们介绍了倾向评分匹配法的原理、方法和stata实现的过程～值得一读(>ω<)

推荐语：深度学习理论相关文章列表

推荐人：梁杰昊

链接：https://hanin.princeton.edu/paper_list.pdf

推荐语：斯坦福深度学习理论课程，由世界各地做深度学习理论的专家受邀做的8个lecture组成

推荐人：聂宇舟

链接：https://stats385.github.io/

推荐语：一些使用 R Markdown 的小技巧，包括将 R 脚本转换为 R Markdown 文档、将 R Markdown 文档转换为 R 脚本、在整个文档中重用代码块、缓存代码块、将块的内容保存在其他地方、设置全局参数、创建模板以及提前退出编译。

推荐人：王祎帆

链接：https://www.rstudio.com/blog/r-markdown-tips-and-tricks-3-time-savers/

推荐语：“不用循环就是最快的循环”，这句话在 R 语言中依然成立吗？ apply() 函数是否能够提高循环的效率呢？这篇博客通过一系列实验，得出这样的结论： for 循环依然适用于小型数据集或者简单的原型设计； tapply() 函数可以智能化预分配内存，是不错的选择；对于大型的 data.frames 来说， dplyr::summarise() 比起 base::rowsum() 也是很好的选择；为循环中的数据预先分配内存可以向极限优化性能，但正确地做到这一点并不容易。最后，你依然可以在循环场景中放心使用 apply-family 的函数，至少它是个很简洁的语法糖。

推荐人：宋文轩

链接：https://medium.com/@alwinw/are-r-loops-really-that-slow-1bbf46b21fcb

推荐语：用R中的tidymodel package 搭建machine learning models的教程，里面包含回归、分类、聚类等模型的搭建流程和代码展示，写的非常详细。

推荐人：操懿

链接：https://docs.microsoft.com/en-us/learn/paths/machine-learning-with-r/

推荐语：dplyr 进阶阅读材料，处理更加复杂且个性化的场景，比如 group_by 的其他变体形式灵活应用。

推荐人：任焱

链接：https://dplyr.tidyverse.org/articles/grouping.html

推荐语：从统计学的角度来看为什么元分析（meta-analysis）成为综合研究的实用工具。视频主要包含：是什么让元分析成为研究综合的特殊工具；介绍在R中使用tcl/tk进行蒙特卡洛模拟；用效应量而非显著性检验来量化研究；加权研究相对于抽样误差；模拟研究间的变异性等等。

推荐人：任怡萌

链接：https://www.youtube.com/watch?v=3XkC_jetn-U