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》