No 1. 可视化：从GitHub看编程语言8年来的风云变幻
    No 2. 深度学习背后的数学
    No 3. 时序分类的集合注意模型
    No 4. machin：PyTorch强化学习库
    No 5. 第一眼居然看错了 [挤眼]
    No 6. #抽奖##赠书# 携手@图灵教育 送出 5 本《深入浅出神经网络与深度学习》
    No 7. 请问：如果这些🐔是机器学习模型，它们犯了哪类错误？
    No 8. 贝叶斯优化之美
    No 9. 数据科学家应该了解的4个Python自动机器学习AutoML库
    No 10. LSTM训练技巧指南
    No 11. 早！
    No 12. Naval：如果你的观点与朋友、同事完全一致，那它们就不是你的观点。
    No 13. 用SQL做机器学习——比你想象的更简单
    No 14. vanilla GAN, cGAN, DCGAN等GAN的PyTorch实现
    No 15. ‘tensornet：构建在TensorFlow之上针对广告推荐等大规模稀疏场景优化的分布式训练框架’
    No 16. ‘Guora - 🖖🏻 A self-hosted Quora like web application written ……
    No 17. 几篇论文实现代码
    No 18. 用TF/Keras比较DNN, CNN, LSTM
    No 19. 最佳程序员抗疫宣传
    No 20. Microsoft开源TensorFlow-DirectML：在所有Windows设备上用支持DirectX12的GPU进行机器学习模型的高性能训练和推断，在Windows 10和WSL上提供跨厂商硬件加速
    No 21. 场景文字图像超分辨率数据集
    No 22. LabML App：在手机上远程跟踪机器学习模型训练情况
    No 23. #抽奖##赠书#携手@博文视点Broadview 送出 5 本《阿里云天池大赛赛题解析——机器学习篇》
    No 24. 职业选择指南：数据科学家 VS. AI工程师
    No 25. 几篇论文实现代码
    No 26. Text2Code for Jupyter notebook：将英文查询转换为相关Python代码的Jupyter notebook插件
    No 27. 晚安～[月亮]
    No 28. Python的Markdown解析器
    No 29. yarr (beta)：Go语言写的RSS阅读器
    No 30. 强化学习 [笑而不语]
    No 31. Onepanelio：生产级Kubernetes原生全栈视觉AI平台
    No 32. 基于TFLite的设备端推荐模型
    No 33. 今日推介：面向图像生成的对抗得分匹配和改进采样、强化学习新挑战——掌握具有抽象目标的复杂物理系统、可穿戴视频目标识别性能研究、面向自动图形设计的属性条件布局GAN、用白天卫星图像预测道路和住房基础设施存量 ……
    No 34. 《Object Recognition for Economic Development from Daytime Satellite Imagery》
    No 35. “DICE: The DIstribution Correction Estimation Library”
    No 36. 《Physically Embedded Planning Problems: New Challenges for Reinforcement Learning》
    No 37. tmpmail：用于创建和使用临时电子邮件地址的命令行程序(基于1secmail提供的API)
    No 38. 《Multi-Central Differential Privacy》
    No 39. 有趣的双螺纹螺栓 😎
    No 40. Manix：快速命令行文档检索工具
    No 41. 数据科学速查：概率、统计学、统计学习、机器学习、深度学习、大数据框架、SQL
    No 42. 《The Robotic Vision Scene Understanding Challenge》
    No 43. 树模型何时及为何会优于神经网络
    No 44. 《Adversarial score matching and improved sampling for image generation》
    No 45. 《Attribute-conditioned Layout GAN for Automatic Graphic Design》
    No 46. DeepSpeed：人人可用的超规模模型训练
    No 47. Eric Anderson：与其宣传8GB内存，不如直接说能开200个 Chrome标签页，这才是卖电脑的方式。
    No 48. 最牛损失函数——《General and Adaptive Robust Loss Function》论文解读
    No 49. 数据科学播客大列表
    No 50. 《Performance of object recognition in wearable videos》