StatQuest
一句话定位
它是一个由个人做起来的讲解站，视频为主，专攻统计学与机器学习里的具体概念：线性回归、正则化、决策树、神经网络，一个概念一支视频。
做这件事的人叫 Josh Starmer，博士读的是生物信息方向，曾在大学做过教职，做研究时专门琢磨过统计与可视化的新方法。
它的作者是从实验室里走出来的
Josh Starmer 在北卡罗来纳大学教堂山分校读完博士，做的方向偏生物信息，之后又在校内做博士后，研究过 X 染色体失活与细胞核组织。
他后来拿到教职，研究的是高通量测序技术要用的统计与可视化方法。也就是说，这套讲法不是从讲台上背下来的，是从处理真实数据里长出来的。
他现在的正式身份是这个站的主持人与负责人，同时在外面做讲座，讲统计模型与机器学习怎么合到一起用。
它起初只是讲给隔壁同事听的
这个频道的起点不是做教育产品，而是他当老师的时候发现，同一层楼做实验的同事，常常卡在「这个统计方法到底在算什么」上。
于是他把方法录成短片，一支讲一个概念。同事看完就能自己动手，他不用一遍遍重复讲同一段。
内容传出去之后，看的人从一层楼变成了一整个领域。到今天，这个频道累计的视频数量在两百五十支以上，订阅的人在百万量级。
它把每个算法拆成一小步一小步
它最显眼的特点是节奏：不追求把一门课讲完，而是把一件事讲到底，然后才动下一件。
一次只加一个变量
讲一个方法，通常先摆出最简的情形，把这一步算清楚，才往上加第二个条件。
把中间过程画出来
公式不是直接给结果，中间每一步都配一张图，让读的人能停在任何一步上核对。
讲完概念再讲代价
一个方法能干什么之后，通常会补一句它在什么条件下会失手，或者要多花什么。
把例子换成人话
同一个概念会反复用同一个生活化的例子贯穿，换概念不换场景，减少重新理解的负担。
这种讲法的代价是慢：一支视频动辄二三十分钟。换来的是看完之后能自己复述一遍。
它靠一群人按月出钱撑着
站上的内容全部公开，不设付费墙。维持它的钱主要来自两处：一批按月出钱的订阅支持者，以及售书的收入。
站方把支持者的名字直接印在视频说明里，分成不同的档位，按月滚动更新。这是它公开致谢的方式，也是唯一显眼的商业化痕迹。
页面本身没有插广告位，也没有把课程上锁。想支持的人出钱，不想出钱的人照样能看。
它把视频攒成了书
做过一段时间之后，它把讲过的内容整理成了纸书，主题是机器学习，用的还是视频里那套图与节奏，一页一页推进。
这本书后来出了不同语言的版本。对不习惯看视频的人来说，书是同一套内容的另一种入口。
站方另外把神经网络那一块单独做成了导引手册，路线与主站一致。
一句话总结
一个人用短视频把统计学与机器学习里的概念一个个拆开讲，从实验室里的实际问题出发，一次只加一个变量。想弄明白某个方法到底在算什么，先在这里找到那一支，通常比翻教材快。
想按主题找一支视频补概念，或者想看看这套讲法整理成的书，可以从这里进。
