No 1. 《自然语言处理入门》
    No 2. Nate Silver：要成为优秀的数据科学家，你应该把49%的时间花在培养统计直觉上(对于数据如何…
    No 3. ‘Chinese-Text-Classification-Pytorch - 中文文本分类，Text…
    No 4. 【卷积网络可视化之旅】
    No 5. 日常复现 😊🤭 http://t.cn/AiuE3bk5
    No 6. 【快速改进Python数据分析的7个技巧】
    No 7. 正说和反说都是一个意思的词语
    No 8. 图像检测、追踪、合成技术最佳应用
    No 9. Andrew R. Schrock：常有学生问我，实际工作中，什么技能最有用。有时我会答：“熟练使用Excel”
    No 10. 【机器学习与股市预测】
    No 11. 岁月是把杀猪刀，也是人脸识别另一大挑战 (1865 vs. 1871) …
    No 12. 【grex：根据输入字符串自动生成正则表达式的命令行工具】
    No 13. “NLP怎么这么南”
    No 14. 【两分钟论文解读之AI换脸检测】
    No 15. 【AE插件-物体表面跟踪特效合成高级工具 Lockdown v1.0.0 Win 】
    No 16. 《Machine Learning vs Statistical Methods for Time Series Forecasting: Size Matters》
    No 17. 【用协方差矩阵图进行特征选择和降维】
    No 18. 抽象 vs. 现实 😛
    No 19. 《最后的数学问题》
    No 20. 学术正能量，老爷子笑得真可爱//哈哈哈哈，吉野彰拿了今年的诺贝尔化学奖后，电视台竟然找到了老爷子20…
    No 21. 如果程序员是搞语言学的…甲：“？？？”
    No 22. 赤裸裸的人类炫技，目前的GANs和帧间语意对齐表示无能为力
    No 23. 【AI与深度学习现状——对Yoshua Bengio的回应】
    No 24. 【论文解读：Youtube如何推荐视频】
    No 25. 【Lucid：神经网络可解释性研究工具集】
    No 26. 【AutoML是否被过度炒作】
    No 27. 《Mining Algorithm Roadmap in Scientific Publications》
    No 28. 赤裸裸的人类炫技，目前的GANs和帧间语意对齐表示无能为力 [摊手]…
    No 29. 【未来AI如何面对数据饥荒：联邦学习的崛起】
    No 30. 把这封诺奖工作曾经的拒稿信挂在墙上，告诉自己_ …
    No 31. 哈哈哈哈，吉野彰拿了今年的诺贝尔化学奖后，电视台竟然找到了老爷子20多年前常去的夜总会的妈妈桑，还现…
    No 32. 【如何打破常规、用与众不同的方式撰写博士论文】
    No 33. 没想到装逼是评论文字生成最刚需的场景 😂//[允悲][允悲][允悲] …
    No 34. David Goodsell 创作的跨界艺术 🤩
    No 35. 【深度学习时序分析概览】
    No 36. 【Crypten：基于PyTorch的安全机器学习研究工具】
    No 37. 持续更新中，最新版支持 TensorFlow 2.0
    No 38. 《Adversarial Training: embedding adversarial perturbations into the parameter space of a neural network to build a robust system》
    No 39. 【(Python)用SymPy求导】
    No 40. 模拟可视化：多个星系如何合并成一个巨型星系
    No 41. 《ANDA: A Novel Data Augmentation Technique Applied to Salient Object Detection》
    No 42. 《Kernel-Based Approaches for Sequence Modeling: Connections to Neural Methods》
    No 43. [允悲][允悲][允悲]
    No 44. 《Perturbations are not Enough: Generating Adversarial Examples with Spatial Distortions》
    No 45. 《Removing input features via a generative model to explain their attributions to classifier’s decisions》
    No 46. 【一份AI/机器学习资源清单】
    No 47. 《ES-MAML: Simple Hessian-Free Meta Learning》
    No 48. 【分类学研究相关文献列表】
    No 49. 《Deep Evidential Regression》
    No 50. 【主动学习：充分利用有限数据】