No 1. 《深入理解神经网络：从逻辑回归到CNN》
    No 2. Mohammed Asker：不管编程时碰到什么问题，记住: 1、你不笨 2、编程不易 3、有问题问…
    No 3. 《程序员面试金典(第6版)》
    No 4. 【麻将AI与中国大妈必有一战？[允悲]】
    No 5. 【波士顿动力最新秀肌肉之Atlas“体操级”运动机器人】
    No 6. 《强化学习(第2版)》
    No 7. 研究生新生：我得提前几周准备好做报告，多练几次，以免中途卡壳！研究生老生：KAO，到时候现编吧~…
    No 8. 《On Java 8》
    No 9. 《Tensorflow+PyTorch深度学习从算法到实战》
    No 10. 【Kaggle特征工程教程】
    No 11. 《希望》
    No 12. 【(TensorFlow 2.0)时序预测实例教程】
    No 13. 【概率/机器学习/文本挖掘/NLP技术路线图】
    No 14. 《Enriching BERT with Knowledge Graph Embeddings for Document Classification》
    No 15. 电磁转转转~ 🎠🐈 http://t.cn/Ainb0wcy …
    No 16. SVD是数据科学最重要的理论。 - Gilbert Strang …
    No 17. 想要理解所谓神经网络，机器学习，深度学习，却一直没有动力和压力入门的人，或者看了 Andrew Ng…
    No 18. François Chollet：要是分类器“准确率高达99%”
    No 19. 【数据科学家Jupyter Notebooks十大高效技巧】
    No 20. “爱上编程等于爱上解决问题，以及永无休止的对话。”
    No 21. 宁可选择无法回答的问题，也不要无可质疑的答案。 - 费曼 …
    No 22. Andrej Karpathy：我们发现 训练数据分布搜索(数据分割+过采样因子比) 比 神经网络架…
    No 23. 两枚相撞的子弹，来自加利波利战役(1915-1916) …
    No 24. 【5大目标检测挑战与解决方案】
    No 25. 《算法交易员：会赚钱的人工智能》
    No 26. 【波士顿动力最新秀肌肉之Spot敏捷移动机器人】
    No 27. 【NebulaGraph：能容纳千亿顶点和万亿条边，并提供毫秒级查询延时的图数据库解决方案】
    No 28. 【Transformers 2.0：支持TensorFlow 2.0 和 PyTorch 的自然语言处理预训练语言模型(BERT, GPT-2, RoBERTa, XLM, DistilBert, XLNet…) 8种架构/33种预训练模型/102种语言】
    No 29. 【奥迪发布的无人驾驶数据集A2D2：2D语义分割、3D点云分割、3D边框、车辆数据】
    No 30. 【TensorFlow 2.0完全入门】
    No 31. 物理课就该如此生动有趣 😁 http://t.cn/AinbcFw9 …
    No 32. 【非均衡数据集及其应对策略】
    No 33. ‘海量中文预训练ALBERT模型 Chinese version of ALBERT pre-tra…
    No 34. 【神经网络梯度学习探究】
    No 35. 【微软“Python入门”课程】
    No 36. 【卷积网络入门指南】
    No 37. 很好的设计：触摸式拼接壁灯 http://t.cn/Ain6TiN0 …
    No 38. 【哈密尔顿蒙特卡罗入门指南】
    No 39. 【集成学习】
    No 40. 【AI领域博弈论入门】
    No 41. Andrej Karpathy讲的确实好，值得重温一下：http://t.cn/AinTAWlU #…
    No 42. 【这舞姿迁移有点魔性~】
    No 43. Kelly Vaughn：成功的开发者不必无所不知，过几个小时他甚至可能连自己刚写的代码都看不懂。 …
    No 44. 早！
    No 45. 【(Keras)1D/3D卷积网络解析】
    No 46. 【PyTorch深度学习教程】
    No 47. 【Res2Net深度多尺度目标检测架构】
    No 48. 【全年龄人脸数据集】
    No 49. 【Poplar：网页版自然语言标注工具】
    No 50. 【基于历史价格数据模拟股票交易的定制化OpenAI gym环境】