No 1. ‘Python3 爬虫实战 - 模拟登陆各大网站……’ by Zok GitHub:
    No 2. 从头开始理解Transformer(资料汇编)：《How Transformers work in deep learning and NLP: an intuitive introduction》
    No 3. #抽奖##赠书# 携手 电力出版社 送出5本《基于PyTorch的深度学习》
    No 4. Andrew Trask：无论懂多少技术，你最有用的技能，永远是与他人合作的能力。
    No 5. 500+附代码的AI/机器学习/深度学习/计算机视觉/NLP项目
    No 6. 学深度学习，可以考虑用这些免费(或相对便宜)的平台和服务： 1. Google Colab 2. Sagemaker ……
    No 7. 加拿大滑铁卢大学的Gautam Kamath登陆B站，“亲手”上传了他的“A Course on Differential ……
    No 8. 一份不错的Tmux使用速查
    No 9. “愿你的选择，反映的是你的希望，而非恐惧。” - Nelson Mandela
    No 10. #抽奖##赠书# 携手 @东南大学出版社 送出 5 本《软件架构基础（影印版）》
    No 11. 《你见过最狠的SCI评论是什么? - 知乎》
    No 12. PandoraTrader：C开发的CTP高频量化交易平台
    No 13. 好棒！[酷]
    No 14. [CL]《Making Pre-trained Language Models Better Few-shot Learners》
    No 15. 早！[太阳]
    No 16. OpenScan：安卓开源文档扫描App
    No 17. 晚安～ [月亮]
    No 18. Rust半小时实战入门
    No 19. Transformer视觉计算资源大列表
    No 20. [CV]《Sparse Signal Models for Data Augmentation in Deep Learning ATR》
    No 21. [CL]《Learning from the Worst: Dynamically Generated Datasets to Improve Online Hate Detection》
    No 22. Clinica：临床神经影像研究软件平台
    No 23. 几篇论文实现代码
    No 24. 今日推介(第179期)：让预训练语言模型成为更好的少样本学习器、基于补全误差最大化的信息论图像分割方法、策略性学习：闭卷QA中的掩蔽学习、立体图学习及其场景理解、悲观对离线强化学习可证有效吗？、具有Full-bandit反馈的组合性纯探索：用有限观测值求解不确定性下的组合优化、通过元认知进行语言校 ……
    No 25. [CV]《NeuralMagicEye: Learning to See and Understand the Scene Behind an Autostereogram》
    No 26. [LG]《Combinatorial Pure Exploration with Full-bandit Feedback and Beyond: Solving Combinatorial Optimization under Uncertainty with Limited Observation》
    No 27. supertag：支持Linux、MacOS的标签化文件系统
    No 28. RGBD semantic segmentation：RGBD语义分割文献/资源列表
    No 29. 特征工程/特征选择详尽指南
    No 30. vg：人性化的向量几何/线性代数工具包
    No 31. [LG]《Is Pessimism Provably Efficient for Offline RL?》
    No 32. [CV]《Information-Theoretic Segmentation by Inpainting Error Maximization》
    No 33. IceCream-Cpp：方便的C调试信息输出库，可替代cout/printf
    No 34. ‘NSFW implement in pytorch(色情图&性感图识别，基于60万图片数据训练性感&色情模型’ ……
    No 35. 免费书/讲义：《机器学习基础(第二版)》
    No 36. NeurIPS 2020 EfficientQA比赛：系统、分析和经验教训
    No 37. [CL]《Studying Strategically: Learning to Mask for Closed-book QA》
    No 38. 今日推介(第178期)：Transformer前馈层是键-值记忆、通过位置信息解缠改进零样本翻译、失序：自然语言理解任务单词顺序有多重要？、开放域问答的内存高效基线、短语的规模化密集表示学习、BURT：受BERT启发从有意义片段学习中获得通用表示、FastIF：用于高效模型解释和调试的可扩展影响函数、通过语境 ……
    No 39. ‘NLP学习指南 - 快速入门NLP，掌握各个任务的SOTA模型
    No 40. ML Collections：为机器学习用例设计的Python集合库
    No 41. [CL]《BURT: BERT-inspired Universal Representation from Learning Meaningful Segment》
    No 43. 2017年我们推荐了ddia和homl，这两本好评如潮，帮助了无数工程师。2020年，我们给大家推荐这本软件架构基础，FOSA，已经由东南大学出版社影印出版，是难得的一本给架构师和架构师路上的同学编写的好书！强烈推荐！@网路冷眼 ……
    No 44. 机器学习与物理学的异曲同工 by Elon Musk [思考]
    No 45. 机器学习博士生涯的经验与教训：小步迭代、策略性阅读、主动、专注、坚持、记笔记、重视社区、拓展视野
    No 46. [CL]《Out of Order: How important is the sequential order of words in a sentence in Natural Language Understanding tasks?》
    No 47. uroboros：命令行GNU/Linux进程监控/性能分析工具
    No 48. [CL]《Linguistic calibration through metacognition: aligning dialogue agent responses with expected correctness》
    No 49. 写论文画机器学习框图不再纠结：ML Visuals——开源方式组织的标准化机器学习框图要素/模板库
    No 50. 乔姆斯基：深度学习的未来