No 1. 波士顿动力的十年
    No 2. 《瓦尔登湖》
    No 3. 【2019年秋招计算机类面经】
    No 4. 再见，@简书 ，你好，语雀 http://t.cn/EX7QEq7 …
    No 5. 【面向应用的元素周期表 👏】
    No 6. 【C程序员的C++速成课程】
    No 7. [允悲]
    No 8. 【免费书：《深度学习理论与实战：提高篇》】
    No 9. 《笨办法学 Git》
    No 10. 【卷积神经网络数学原理解析】
    No 11. 《无法理解高等数学怎么办？ - 知乎》
    No 12. 【Python可视化包大盘点】
    No 13. 【可解释的机器学习】
    No 14. “一张图总结三种回归类型”
    No 15. 真心希望@哔哩哔哩弹幕网 B站能改善字幕上传/审查体验 [作揖] …
    No 16. 【文本分类算法综述】
    No 17. 【深度架构——神经网络架构及其组成综述(PyTorch)】
    No 18. 【用Python处理PDF文件】
    No 19. “面向数据科学家的Linux命令速查”
    No 20. 【从零开始的NLP教程：Python, NLP, Twitter API】
    No 21. 投篮不比扔瓶子更难，但更好讲故事 🏀 http://t.cn/EXLJGFg …
    No 22. 完美！换个焦点看艺术体操 http://t.cn/E6PUNvD …
    No 23. 【用Matplotlib创建动画】
    No 24. 【推荐系统资源集合】
    No 25. 【PyTorch 1.0教程资料】
    No 26. “浙江大学课程攻略共享计划”
    No 27. 《Drop an Octave: Reducing Spatial Redundancy in Convolutional Neural Networks with Octave Convolution》
    No 28. 【非平衡数据集focal loss多类分类】
    No 29. 【如何写研究计划】
    No 30. 《回答》
    No 31. 有史以来最清晰的土星照片
    No 32. 《如何高效学习》
    No 33. 2019进度：▓▓▓▓░░░░░░░░░░░ 29% ⛽️ …
    No 34. 【理解并实现ResNet(Keras)】
    No 35. 【面向数据科学家的Linux命令/Shell脚本入门】
    No 36. 【手把手Python深度学习/数据科学入门】
    No 37. 2019进度：▓▓▓▓░░░░░░░░░░░ 28% ⛽️ …
    No 38. 体会到真理的简单和优美，才算是真正认识了它们。 - Richard Feynman …
    No 39. 【YoloV3的Tensorflow 2.0实现】
    No 40. 【Python人脸检测指南】
    No 41. 《NAS-FPN: Learning Scalable Feature Pyramid Architecture for Object Detection》
    No 42. 【深度学习：从自然图像到医学图像】
    No 43. 【全栈深度学习训练营(课程视频)：为熟悉深度学习基础知识的开发人员提供的实践指导课程】
    No 44. 【“人脸技术(识别、检测、标定、重建、生成等)”相关资源超级大列表】
    No 45. 【新书：《数据可视化基础——如何制作信息丰富、引人入胜的可视化》】
    No 46. 《Text Classification Algorithms: A Survey》
    No 47. 【开源眼动跟踪软件平台】
    No 48. 【在远程服务器上完成机器学习实验：面向科研的SSH/Tunneling使用指南】
    No 49. Melinda Varian：最好的程序，都是程序员干其他事的时候搞出来的。 …
    No 50. “变分自编码器(VAE)气泡图解析”