No 1. Chip Huyen 总结的、适合按顺序依次学习 的机器学习课程清单
    No 2. Ha
    No 3. 添完搬运链接，有那么一瞬间被自己感动了…
    No 4. 【ACL 2019 知识图谱神经网络自然语言处理总结】
    No 5. 【机器学习特征工程技术资源列表】
    No 6. 【简洁的静态页简历模板】
    No 7. 媒体和吃瓜群众 vs. 苦逼调参的机器学习研究僧//Ha
    No 8. 圣巴巴拉8月1日关闭了一个海滩，因为他们用Shark AI在儿童冲浪营前方发现了一个12英尺长的白色…
    No 9. “AI和大脑运作机制一样”
    No 10. ‘Hikyuu Quant Framework - 基于C++/Python的开源量化交易研究框架’…
    No 11. 【如何撰写博士论文】
    No 12. 【Google免费AI教育资源】
    No 13. ‘CoupletAI - 基于CNN+Bi-LSTM+Attention 的自动对对联系统’ by …
    No 14. 【LSTM-CRF命名实体识别(序列标记)】
    No 15. 【(Colab)深度学习神经网络手把手实例入门】
    No 16. ‘HumanPose - 人体骨骼14点调参心得’ by zuoqing1988 GitHub: h…
    No 17. 【集成学习相关资源大列表】
    No 18. 【BERT/XLNet 句向量表示】
    No 19. 《Optimizing Multi-GPU Parallelization Strategies for Deep Learning Training》
    No 20. 【PyOxidizer：Python应用打包发布工具，将Python代码打包成单个可执行程序】
    No 21. 【为什么机器学习模型在产品化过程中会退化？】
    No 22. 【基于PyTorch的迁移学习3D医学图像分析项目，提供了一系列3D-ResNet预训练模型和相关代码】
    No 23. 【NLP之旅(NLP文章/代码集锦)】
    No 24. 【数据科学专业是否会“被自动化”？】
    No 25. 【伊利诺伊大学CS446机器学习课程资料】
    No 26. ‘AbstractKnowledgeGraph, a systematic knowledge gr…
    No 27. 晚安~ [月亮] http://t.cn/AiYRsjvo
    No 28. 【IBM开放的预训练深度模型集】
    No 29. 【水果/蔬菜图像数据集】
    No 30. 【音乐音频标记预训练深度网络模型】
    No 31. 【真正的高级开发者有哪些特征】
    No 32. 【R语言快速实战教程】
    No 33. ‘Visual Trackers for Single Object - 记录每天整理的视觉目标跟踪…
    No 34. 《Fixup Initialization: Residual Learning Without Normalization》
    No 35. ‘CS205A Mathematical Methods for Robotics, Vision,…
    No 36. 【基于networkx/igraph的社区发现库】
    No 37. 【BFE：基于百度统一前端技术框架开源的七层流量接入系统】
    No 38. 【AquilaDB：用于存储特征向量和JSON元数据的向量数据库，可进行近似最近邻搜索，适合机器学习工程师和数据科学家】
    No 39. 《Devil Is in the Edges: Learning Semantic Boundaries from Noisy Annotations》
    No 40. 【NNI：微软发布的开源神经架构搜索/超参调优自动机器学习(AutoML)工具包，通过多种调优算法搜索最佳神经网络结构和(或)超参，支持单机、本地多机、云等不同的运行环境】
    No 41. 《Composition-Aware Image Aesthetics Assessment》
    No 42. 《Invariance reduces Variance: Understanding Data Augmentation in Deep Learning and Beyond》
    No 43. 《Python机器学习手册：从数据预处理到深度学习》
    No 44. 【基于PyTorch的Keras研究者框架】
    No 45. 【在浏览器里运行的“大菠萝”Diablo I】
    No 46. 【N样本学习：用更少的数据，学到更多】
    No 47. 《Bringing Giant Neural Networks Down to Earth with Unlabeled Data》
    No 48. 《Structured3D: A Large Photo-realistic Dataset for Structured 3D Modeling》
    No 49. 《Autoencoder-Based Incremental Class Learning without Retraining on Old Data》
    No 50. 《ERNIE 2.0: A Continual Pre-training Framework for Language Understanding》