No 1. 【《Effective Python：编写高质量Python代码的90个有效方法(第二版)》随书代码】
    No 2. 【30天Python编程挑战】
    No 3. 【NeurIPS 2019 图机器学习研究纵览】
    No 4. 【Pytorch实现的少样本视频-视频转换，可实现多种 示范-合成 任务】
    No 5. 【PyTorch深度学习教程C++实现版】
    No 6. 《Halcon机器视觉算法原理与编程实战》
    No 7. 目的不是预测，而是理解。在生物学领域，异常值恰恰是最重要的。常用机器学习方法可能会让你在公认指标上取…
    No 8. ‘Game-Programmer-Study-Notes - ⚓️ 游戏程序员生涯的读书笔记合辑，涉…
    No 9. 《Dynamic Convolution: Attention over Convolution Kernels》
    No 10. 【新书：机器人系统动力学与控制】
    No 11. 澳大利亚的山袋貂(Mountain Pygmy Possum) …
    No 12. 【免费书：机器学习数学基础】
    No 13. 晚安~ [月亮] http://t.cn/AierhDiC
    No 14. 【《Python金融编程》随书代码】
    No 15. 【分布和模型的可解释比较(NeurIPS 2019 Tutorial)】
    No 16. 【R语言入门】
    No 17. 《Meta-Learning without Memorization》
    No 18. 【用于中文闲聊的GPT2模型】
    No 19. ‘BERT和ALBERT在下游任务中的应用’ by jiangxinyang227 GitHub: …
    No 20. 【ObjectNet：借鉴了其他科学领域控制思想的新视觉数据集】
    No 21. 《Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression》
    No 22. 【Leonardo：基于指定对比度的颜色生成器】
    No 23. 全部内容已发布，pdf:http://t.cn/Exv4Dw6
    No 24. 《Self-Supervised 3D Keypoint Learning for Ego-motion Estimation》
    No 25. 【DIPY：面向计算神经解剖学的Python扩散磁共振成像(dMRI)分析库】
    No 26. 【NeurIPS 2019 数据分析(官方)】
    No 27. 【深度学习OCR/文档分析/文本识别/语言建模教程资料】
    No 28. 【斯坦福新课：图机器学习】
    No 29. 【哪吒】
    No 30. 人们习惯性地拒绝变化，并总是说：“一直以来我们都这么干”
    No 31. 《SPSTracker: Sub-Peak Suppression of Response Map for Robust Object Tracking》
    No 32. 【基于GeoPandas的移动轨迹绘制】
    No 33. 【蒙特卡罗树搜索(MCTS)文献/资源列表】
    No 34. ‘JGrowing - Java is Growing up but not only Java. …
    No 35. 【基于fastai 2.0库的程序员深度学习实战课程练习集(Colab)】
    No 36. Jean Yang：我二十多岁学到的两个重要心得: - 要是你觉得所有人都烦你，你可能应该睡…
    No 37. 《Learning a Neural 3D Texture Space from 2D Exemplars》
    No 38. 《ALBERT: A Lite BERT for Self-supervised Learning of Language Representations》
    No 39. 【斯坦福大学CS224N(2019)课程(所有)相关资料】
    No 40. 【MIT课程：高效深度学习系统设计】
    No 41. 《Zero-Shot Generation of Human-Object Interaction Videos》
    No 42. 【Kaggle特征/预处理工具箱】
    No 43. 【推动AI社区认真对待可复现性】
    No 44. 【2019 机器学习/深度学习热门论文集锦】
    No 45. 【基于检索聊天机器人多轮响应选择相关资源列表(Leaderboards、Datasets、Papers)】
    No 46. 【Image网：非均衡分类数据集】
    No 47. 慎言“深度学习不过是梯度下降(曲线拟合)”
    No 48. 【标签平滑与深度学习】
    No 49. 《Over-parametrized deep neural networks do not generalize well》
    No 50. 【高效易用的PaddlePaddle目标检测库】