No 1. Barbaric：我要坦白一件事。当我老公打游戏在某个地方卡住很长一段时间，我会在手机上搜索攻略，然后不经意给他些模糊的建议，帮他向正确的方向推进。我已经这么干6年了。❤️ ……
    No 2. 数据科学家的工具箱：生产力工具列表
    No 3. 适合做桌面的Matplotlib官方速查压缩合成大图版 full:http://t.cn/A6yKqgeP ……
    No 4. 2020进度：▓▓▓▓▓▓▓▓░░░░░░░ 53% ⛽️
    No 5. ACL 2020知识图谱自然语言处理进展摘要
    No 6. 新书：《统计的艺术：如何从数据中学习》
    No 7. François Chollet：这是本领域的一个缩影。学术界的说法是: “两年前我根本不知道什么是梯度下降，现在我在评审NeurIPS论文”。 ……
    No 8. 早！[太阳]
    No 9. 助教帮忙整理了一个机器学习课程的术语表，几百个术语，网页链接 每个术语对应的维基百科，还有部分相关的论文、相关的人。希望有用。
    No 10. ‘TensorRT-7 Network Lib - 包括常用目标检测、关键点检测、人脸检测、OCR等 可训练自己数据(Attention/PseNet/Yolov5/Yolov3/RetinaNet/FCOS/Keypoints ……
    No 11. Marshall Haas：今天看到一份惊人的数据，70%的富裕家庭，在第二代失去财富，90%在第三代失去财富。ref:http://t.cn/A6yaFMiJ ……
    No 12. 爱可可老师的树洞 “作为一个在普通985刚混到研三的学生，很羡慕那些刚读研就有老师和学长引领入门的同学，我的导师为了追AI的浪潮，给我们的研究方向都定为了知识图谱，但实验室几乎没有经验积累，只能自己摸索。中间走了些弯路，坎坎坷坷也算入门了，但是也快毕业了，没有时间做更多值得精耕细作的 ……
    No 13. 个人简历README模板集
    No 14. 动画设计师很会玩 😁
    No 15. 风格可控的演讲手势合成
    No 16. GitHub上可自动更新的README简历
    No 17. Emma Bostian：只是个友好的提醒，高级软件工程师和资深软件工程师，不一定是“高于”或“优于”入门级的软件工程师。请不要让头衔膨胀你的自我。[doge] ……
    No 18. Naval：要是你能速读，说明它不值一读。
    No 19. PyTorch图像分类技巧集
    No 20. ‘天池广东工业智能大赛布匹瑕疵检测第二名方案’ by cizhenshi GitHub:
    No 21. 《Representation Learning for Natural Language Processing》
    No 22. 图像/视频超分辨率最新进展
    No 23. 用知识蒸馏将单语言句嵌入迁移到多语种
    No 24. 第一次参加国际会议……是你吗？ 🤪
    No 25. FaceApp还是很强的（图1为原图） via:イリヤ・クブシノブ
    No 26. //@唐建Mila:知识图谱的最新进展。推荐这篇论文http://t.cn/A6yaZX9H，研究了RotatE中如何处理多对一、多对多关系的问题。
    No 27. 晚安～[月亮]
    No 28. OATomobile：无人驾驶研究框架
    No 29. 去中心强化学习：通过局部经济交易实现全局决策
    No 30. OpenSHC：多功能多足机器人控制器(C++)，可容易地部署在具有不同传感器、腿和关节配置的多足机器人上
    No 31. 对比代码表示学习(ContraCode)
    No 32. 第一部完整介绍自然语言处理表示学习方法和技术的专著由Springer出版！鉴于表示学习是自然语言处理的核心问题之一，故也可作为研究生教材。 ……
    No 33. 《SegFix: Model-Agnostic Boundary Refinement for Segmentation》
    No 34. 联合@图灵教育 送出5本《白话机器学习的数学》
    No 35. Kaggle换脸检测比赛第五名方案
    No 36. Rust语言之旅：旨在逐步介绍 Rust 编程语言特性的教程
    No 37. 今日推荐论文汇总，希望你喜欢～ 公·众·号：爱可可爱生活
    No 38. Misha Denil：如果我现在开始读研，应该不会读机器学习的博士。并不是因为竞争太激烈，而是觉得这未必是个好主意。重大挑战事是什么，目前该领域还未达成共识。现在，情况已经比前些好多了，当时我们真的没什么思路，最有希望的方向，是将机器学习应用于相关领域（化学、机器人学、经济学等）问题上。 ……
    No 39. 《自然语言处理实战》随书代码
    No 40. 想玩～ 🚗😎
    No 41. [笑cry]
    No 42. 携手@人民邮电出版社 送出 5 本《深入浅出GAN生成对抗网络 原理剖析与TensorFlow实践》
    No 43. 携手@博文视点Broadview 送出 5 本《语音识别：原理与应用》
    No 44. 机器学习数据集加载器
    No 45. 新书：《搞定(几乎)所有机器学习问题》
    No 46. 联合@人邮异步社区 送出5本《“笨办法”学Python 3：进阶篇》
    No 47. 《Deep Reinforcement Learning and its Neuroscientific Implications》
    No 48. #抽奖##赠书#活动汇总，参与请转发原微博：《语音识别：原理与应用》
    No 49. 《Deep Placental Vessel Segmentation for Fetoscopic Mosaicking》
    No 50. 一种新的语音分离模型，可同时区分多个说话人