No 1. 《Think Python》
    No 2. 不少朋友问在哪找论文源码，首选 Papers With Code http://t.cn/RryLr…
    No 3. ‘LeetCode-book - leetcode 1~400知识点&题型总结&leetcode对应…
    No 4. 第一次参加大型国际会议 [坏笑] http://t.cn/A6PsYtU3 …
    No 5. Richard Feynman：学校最该教的：• 情绪管理 • 财务管理 • 人际关系建设 …
    No 6. 【百年老片变4K】
    No 7. 大部分为插图、表格、源代码的1328页硕士论文，你怎么看？[doge] …
    No 8. 维基上这张相位调制(Phase modulation, PM)示意图太赞了！👍 http://t….
    No 9. Mat Leonard：到目前为止，机器学习最难的部分还是数据集——采集、清理和标注数据。除非你追求…
    No 10. Kenji Kubo：金融机构可以在自己公司用赚钱的算法，把赚不到钱的算法写成论文。 …
    No 11. 【摩根关于金融服务/投资中机器学习应用的报告：大数据与AI策略——机器学习和投资数据方法】
    No 12. 上课时的教授 vs. 研讨会上的教授 vs. 参加答辩时的教授 [笑cry] …
    No 13. 生命中最重要的问题，在大多数情况下，本质上都是概率问题。 - Pierre-Simon Laplac…
    No 14. 如果你也拔过智齿，这是一次拔四颗加强版 [熊猫] …
    No 15. 【面向Python/数据科学的三大VS Code扩展：Notebook Support、autoDocstring、AREPL】
    No 16. 《States of Matter》
    No 17. 《大家是怎么看arXiv论文的？ - 知乎》
    No 18. 【袖珍书:矩阵攻略】
    No 19. 【《Machine Learning: A Probabilistic Perspective》习题参考答案】
    No 20. 【Alpha Matting抠图算法库(Python)】
    No 21. ‘The Matrix Cookbook’
    No 22. 【每个月9.9刀的Colab Pro：更快GPU、更长运行、更大内存】
    No 23. 【深度学习不再难——机器学习工程正在成为真正的生态系统，迁移学习是下一代机器学习驱动软件的关键】
    No 24. 《火车进站》
    No 25. 博士生中了论文 vs 博士后中了论文
    No 26. 《arXiv论文怎么读？》
    No 27. 【面向计算机科学与机器学习的代数、拓扑、微分学和最优化理论】
    No 28. 【VS Code的Git Graph扩展，可方便地可视化执行Git操作】
    No 29. 【马里兰大学《计算语言学(2019)》课程资料】
    No 30. Hiroshi Watanabe：“听众只能记住很少的内容，少到难以置信。”
    No 31. 晚安~[月亮] http://t.cn/A6hvJ2zK
    No 32. ‘Dotfiles for all :D - 好看是第一生产力’ by Spencer Woo Gi…
    No 33. ‘研究资源列表 A curated list of research resources’ by H…
    No 34. 《Supervised Learning on Relational Databases with Graph Neural Networks》
    No 35. 副教授中了基金 vs. 教授中了基金
    No 36. 【《Statistical Rethinking (2nd ed.)》源码NumPyro移植版】
    No 37. 《Weakly Supervised Sequence Tagging From Noisy Rules》
    No 38. 《Aligning the Pretraining and Finetuning Objectives of Language Models》
    No 39. 《Accelerating Object Detection by Erasing Background Activations》
    No 40. 【我们想要的并不总是让我们快乐：在一项研究中，那些不再使用Facebook的人变得比使用时更快乐、生活满意度更高、抑郁和焦虑水平更低】
    No 41. 《Latent Relation Language Models》
    No 42. nappasan：“这是我们在没用AI的情况下，通过高分辨率扫描和修复得到的影片。已经足够高画质了。如果用4k扫描仪，而不是用AI转换，可以从底片上重新获得4k分辨率的图像。胶片上就有这么多信息。”
    No 43. 【Hopsworks：数据科学水平扩展全栈平台】
    No 44. 《Yes, we GAN: Applying Adversarial Techniques for Autonomous Driving》
    No 45. 《CMU课程：深度学习导论(Spring 2020)》
    No 46. 【OpenCV表格识别】
    No 47. 神奇的涂鸦音频合成笔记本
    No 48. 【新书稿：自然语言处理】
    No 49. 《Natural Language Processing》
    No 50. 【Forte：灵活强大的自然语言处理pipeline工具集，它提供了一个平台，以一种高度可组合的方式，组装最先进的NLP和机器学习技术，包括从信息检索、自然语言理解到自然语言生成等任务，还可简单组合任意第三方工具】