No 1. #抽奖##赠书# 携手@人民邮电出版社 送出5本《简单高效LaTeX》
    No 2. ‘LeetcodeTop：汇总互联网公司技术岗考察leetcode题目的热度，帮同学们更加有针对性地准备面试’ ……
    No 3. 将永久改变你编程技能的40个技巧
    No 4. 复杂物理现象的图网络模拟器(GNS)
    No 5. ‘和小浩学算法 - 包括：三十万字图解算法题典、100 张编程类超清晰思维导图、100 篇大厂面经汇总等’ by ……
    No 6. 是你吗？ [笑cry]
    No 7. #抽奖##赠书# 携手@博文视点Broadview 送出 5 本周志华教授限量签名版《集成学习：基础与算法》
    No 8. 从向量变换角度理解RNN
    No 9. 这个暑假，深度充电——手把手死磕算法模型理解和代码复现，免费提供GPU算力，优秀学员2万元奖学金+入职百度机会
    No 10. 偷一个人的叫剽窃，偷好多人的叫研究。 - 匿名
    No 11. ‘PythonStock V1：用Python开发的全栈股票系统’
    No 12. 这¥%@%¥！🤣
    No 13. ChineseSemanticKB：面向中文处理的12类、百万规模的语义常用词典
    No 14. 如何写摘要
    No 15. AI未来说-青年学术论坛(百度奖学金特别专场)
    No 16. 化大块代码为小函数、下班没解决的问题第二天再搞中间不要再想、不过度预期专注眼下必须搞定的问题、不必全知全能基础一定要扎实、“保持简单”知易行难、别想太多、被问题/bug卡住走开是个好办法、学会写测试代码、先分解问题再开始代码、理解逻辑而非重复代码、光学不练假把式
    No 17. 摄像头实时数独求解器
    No 18. ‘清华大学计算机学科推荐学术会议和期刊列表 (TH-CPL)’
    No 19. 做前端只要“动动嘴”：基于GPT-3根据文字描述自动生成React App
    No 20. 每天早上打开arXiv的感觉 [笑而不语]
    No 21. ‘GNN_Review - GNN综述阅读报告，涵盖多篇GNN方面的论文’
    No 22. 股市相关资源/工具超级大列表
    No 23. François Chollet：无论接下来做什么，选你觉得困难的，没有困难和挑战就没有激情，有激情才有快乐。
    No 24. 为了脊椎，今儿就试试～ ✅
    No 25. 奇妙的1/9801 [并不简单]
    No 26. ‘使用rnn,lstm,gru,fasttext,textcnn,dpcnn,rnn-att,lstm-att,bert,bert-cnn,bert-rnn,bert-rcnn,han,xlnet等等做文本分类，以及对比’
    No 27. 爱上这个书挡
    No 28. 如何用英语花式夸奖别人工作 ✅
    No 29. Matplotlib样式表
    No 30. ‘小鹿快传 - 在线P2P文件传输工具，使用WebSocket + WebRTC技术’ by fanchangyong
    No 31. 真·毫无违和感！ [笑cry]
    No 32. Jimmy Lin用PowerPoint绘制的BERT架构图，可方便用于论文和Slides
    No 33. 基于PyTorch的开源电影分析工具箱，包括基本视频处理、语义视频特征提取、电影信息爬虫等
    No 34. Dendron：“伴你成长”的个人知识管理工具
    No 35. 计算机视觉预训练模型集合(Tensorflow/Keras/PyTorch/Caffe/MXNet)
    No 36. 奔跑在川流不息的新论文间的我们 [喵喵] 爱可可-爱生活的微博…
    No 37. [猪头]
    No 38. Automagica：Python自动化库
    No 39. PyTorch入门(Notebook/Slides)
    No 40. libra：只需一行代码的自动机器学习库
    No 41. 用指甲在被蚊虫叮咬的地方画个叉，瘙痒就会缓解 ✅
    No 42. #抽奖##赠书# 联合@华章图书 @华章计算机科学 送出5本《ClickHouse原理解析与应用实践》
    No 43. 机器学习工程师必备基础
    No 44. 斯坦福课程：计算机技术面试问题解决技巧(2017)
    No 45. ‘结合BERT+GRU+ATT模型，对自己收集的人物关系数据进行模型训练，用于人物关系抽取’
    No 46. 公众号关注过5k了，谢谢大家！
    No 47. 直接面向ROC-AUC优化的损失函数
    No 48. François Chollet：AI的发展方向，应该是理解，而非模仿。要理解生命的本质，就该看看自创生(autopoiesis)、分子生物学、DNA；要模仿生命，可以画卡通画。两条路截然不同。大量的“人工智能”，其实就是神经卡通片。能理解的人工智能，不会从一开始就看起来很聪明的样子，但它会逐渐扩展到那个层次— ……
    No 49. 讨论：对于想要加强机器学习基础的入门者来说，有哪些论文是必读的？
    No 50. Multiplex：用于创建和标记漂亮网络图可视化、文本可视化的Python库