No 1. 【免费书：《深度学习理论与实战：提高篇》】
    No 2. 【2019年秋招计算机类面经】
    No 3. 【用Matplotlib创建动画】
    No 4. 【深度架构——神经网络架构及其组成综述(PyTorch)】
    No 5. 【“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 6. 体会到真理的简单和优美，才算是真正认识了它们。 - Richard Feynman …
    No 7. 2019进度：▓▓▓▓░░░░░░░░░░░ 29% ⛽️ …
    No 8. 【贝叶斯推理与微分方程】
    No 9. 【深度神经网络完全入门】
    No 10. [坏笑]
    No 11. 【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 12. 【YoloV3的Tensorflow 2.0实现】
    No 13. 《Drop an Octave: Reducing Spatial Redundancy in Convolutional Neural Networks with Octave Convolution》
    No 14. 《Rethinking Action Spaces for Reinforcement Learning in End-to-end Dialog Agents with Latent Variable Models》
    No 15. 【(Python)用于读取、可视化和计算天气数据的工具集】
    No 16. 《非暴力沟通》
    No 17. 晚安~ [月亮] http://t.cn/EXN2CBX
    No 18. 【对话AI大规模数据集】
    No 19. 【培养数学编程习惯 — 数据科学能力进阶关键习惯】
    No 20. 【Kubernetes关键概念解析】
    No 21. ‘中国科学院大学开题报告 LaTeX 模板 LaTeX Proposal Template for …
    No 22. 《在大型项目上，Python 是个烂语言吗？ - 知乎》
    No 23. 【面向自然语言处理的现代深度学习技术】
    No 24. ‘autodiff - automatic differentiation made easier …
    No 25. 《Pose2Seg: Detection Free Human Instance Segmentation》
    No 26. 【实例教程：用机器学习实现GitHub任务自动化】
    No 27. 【移动设备神经网络推理性能端到端测试工具】
    No 28. 【Apache Spark可扩展日志分析 综合案例研究：半结构化数据的大规模数据分析与可视化】
    No 29. 【量子卷积网络(QNN)场图像识别】
    No 30. 【两分钟论文解读之OpenAI GPT-2】
    No 31. 【LitBank：NLP数据集——支持自然语言处理和计算人文学科任务的100部带标记小说语料】
    No 32. 【概率模型可微神经计算机强化学习】
    No 33. 曼荼罗生成艺术Processing代码示例 http://t.cn/EXCETpb …
    No 34. ‘Pointnet2.PyTorch - A faster implementation of Po…
    No 35. ‘MachineLearning_Python - 机器学习算法python实现’ by lawli…
    No 36. 《A Discussion on Solving Partial Differential Equations using Neural Networks》
    No 37. 【预测奖励强化学习实现】
    No 38. 【无奖励强化学习】
    No 39. [允悲]
    No 40. 《Singing voice synthesis based on convolutional neural networks》
    No 41. 【TextVQA:基于图像中文本的视觉推理基准数据集】
    No 42. 【Google地标数据集V2：500万张图片，包含20万类别的人造/自然地标】
    No 43. #bilibili#搬运：http://t.cn/EXWXJEH
    No 44. 【CMU神经网络自然语言处理课程(2019)：新增ELMo/BERT上下文词表示、模型可解释性等内容，PyTorch/DyNet代码示例】
    No 45. 《Contextualized Word Representations for Document Re-Ranking》
    No 46. 波士顿动力的十年
    No 47. 【肖像分割Demo】
    No 48. 《Improving Human Text Comprehension through Semi-Markov CRF-based Neural Section Title Generation》
    No 49. 【为什么软件项目需要的时间比想象的要长 - 统计模型分析】
    No 50. 【用于包装、部署模型的机器学习工具包】