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”