No 1. 《Probability and Statistics(斯坦福概率和统计)》
    No 2. Ha
    No 3. 《深度学习基础与实践》
    No 4. 图像分割六级真题
    No 5. AR 化学课 http://t.cn/AiTXT70c
    No 6. 【Latex 公式手残党的福音：Snip for iOS/Android】
    No 7. 我们刚刚开源了我们自主开发的图表示学习系统GraphVite！GraphVite支持多GPU并行，在…
    No 8. 如果人们不相信数学之简单，只因他们没意识到真实世界之复杂 - 冯·诺伊曼 …
    No 9. 《邀你共进量子早餐》
    No 10. 《Python机器学习手册：从数据预处理到深度学习》
    No 11. Jason Anderson 作品
    No 12. 《视觉SLAM十四讲：从理论到实践（第2版）》
    No 13. François Chollet：这波AI炒作后果极其可怕，不仅对本领域有所影响，还会波及公共安全领域。对AI进展和能力的过度推销，会导致政府、企业采用劣质“AI解决方案”
    No 14. 添完搬运链接，有那么一瞬间被自己感动了…
    No 15. 【如何给8岁女儿解释深度学习】
    No 16. 【使用GAN一年得到的十个GAN训练的经验(教训)】
    No 17. 《Python 快速入门 第3版》
    No 18. 【PyTorch/Pyro复现的《统计反思》随书代码】
    No 19. 【机器学习特征工程技术资源列表】
    No 20. ‘李宏毅机器学习笔记(LeeML-Notes)’ by Datawhale http://t.cn/…
    No 21. 【C++ 的艺术：高质量 C++ 库集合】
    No 22. 如何修复 bug [笑cry]
    No 23. 如何做科研 😊
    No 24. 【Google学术发布2019年最有影响力的7篇论文】
    No 25. 鲨鱼大脑 vs. 海豚大脑
    No 26. Tim Dettmers：很喜欢这种不一样的教育路线——将MOOC和Kaggle比赛结合，你会获得一…
    No 27. 【自然场景垃圾废物标注数据集】
    No 28. 《Attention and Augmented Recurrent Neural Networks》
    No 29. 【ACL 2019 知识图谱神经网络自然语言处理总结】
    No 30. 【无代码的 Git/GitHub 使用入门】
    No 31. 论文啥时候能写好？ [偷笑]
    No 32. 【自然语言处理趋势：ACL 2019 综述】
    No 33. 20世纪70年代乐高致父母的一封信 [good] ref:http://t.cn/AiTGBk2b …
    No 34. 【新书：数据可视化基础——信息丰富、引人注目的图形制作入门】
    No 35. 【凸优化：算法与复杂性】
    No 36. ‘Data-Science-Notes - 数据科学的笔记以及资料搜集’ by Huang Haig…
    No 37. 【分类特征选择技术及其Python应用技巧】
    No 38. 【简洁的静态页简历模板】
    No 39. 【中文自然语言处理相关的开放任务，数据集, 以及当前最佳结果】
    No 40. 【N样本学习：用更少的数据，学到更多】
    No 41. 【免费书《可解释机器学习：可解释黑盒模型指南》(2019.8.7新版)】
    No 42. 【Sampler：shell命令的执行、可视化和提醒工具】
    No 43. 【NLP之旅(NLP文章/代码集锦)】
    No 44. 【斯坦福CS236深度生成模型课程资料】
    No 45. 「 运营可能会用到的一些工具 」 1 . 脑图工具：XMind，幕布，MindManager…
    No 46. 【用 TensorFlow Lite 在安卓系统上实时人体姿态跟踪】
    No 47. 【九个月每周五天学习机器学习找到好工作的六点经验】
    No 48. 【深度学习数学原理(日文)】
    No 49. ‘CoupletAI - 基于CNN+Bi-LSTM+Attention 的自动对对联系统’ by …
    No 50. 媒体和吃瓜群众 vs. 苦逼调参的机器学习研究僧//Ha