No 1. Rick Wierenga：怎么和同事“打”成一片
    No 2. ‘dongbei - 东北方言编程语言’ by Zhanyong Wan GitHub: http:…
    No 3. AI要学的还多着哩~ [笑cry] http://t.cn/A6PSHs8F …
    No 4. 【Matplotlib 3.1 速查】
    No 5. 【手把手：如何解决自然语言处理90%的问题】
    No 6. 【推荐系统相关资源大列表】
    No 7. nixCraft：今天看见个程序员。没穿帽衫，没笔记本贴纸，没机械键盘，不用Windows，…
    No 8. Paul Graham：创业失败的首要原因，是做的东西没有人想要。第二个原因，是成本太高。这两个原因…
    No 9. Simon Sinek：生命不是一场比赛，而是一场游戏。不在于输赢，在于游戏结束前，我们能得到多少乐…
    No 10. 【TensorFlow 2.0初学者教程】
    No 11. 【SciPy 1.0：Python科学计算基本算法】
    No 12. 【LDA及其在推荐系统中的应用】
    No 13. “Transformer - Illustration and code”
    No 14. 【Detecto：用5行代码构建计算机视觉/目标检测模型的Python包】
    No 15. The Stoic Emperor：那些整天读微信、微博的人说: “我不看书。没时间。”
    No 16. 【2020图机器学习大趋势】
    No 17. Tim Triche：我看到的关于实用机器学习的最佳建议：“读你所在领域的论文，找出他们用来比较的“笨”
    No 18. 【Async++：C++11并发开发框架】
    No 19. 【iHateregex.io：正则表达式速查、调试、验证、可视化】
    No 20. 【高效机器学习指南】
    No 21. 《Pop Music Transformer: Generating Music with Rhythm and Harmony》
    No 22. 【用强化学习和模仿学习推进无人驾驶】
    No 23. 晚安~[月亮] http://t.cn/A6P8odwt
    No 24. 每个孩子生来都是科学家！孩子们长大后，与生俱来的好奇心会渐渐消退。最重要的是，不断提问，不断学习，不…
    No 25. 一旦年满18岁，你的6570天免费试用就到期了。 - 匿名 …
    No 26. 【Go语言训练营编程实例、习题及测验】
    No 27. 【TensorFlow Lite相关资源大列表】
    No 29. 【Hydra：机器学习项目配置的全新视角(PyTorch)】
    No 30. 《倚天屠龙记》
    No 31. 好漂亮的广告 🍎 http://t.cn/A6PnYsb9
    No 32. 【MIT课程：计算机科学“补漏”课——如何充分利用高效程序员常用工具：如何玩转命令行，如何使用强大的文本编辑器，如何高效使用版本控制，如何自动化日常任务，如何管理包和软件，如何配置桌面环境等】
    No 33. Sahil Lavingia：人们不是想要用你的软件。他们想要减肥，想要开怀大笑，想要娱乐，想要变…
    No 34. 【TensorFlow 官方机器学习教学资源集锦】
    No 35. 《Capsule routing via variational bayes》
    No 36. 《A CNN With Multi-scale Convolution for Hyperspectral Image Classification using Target-Pixel-Orientation scheme》
    No 37. 【JSON命令行查询工具(用类似SQL的查询语句)】
    No 38. 【卫星图像目标检测基准】
    No 39. Mark Erikson：我仍然惊讶于许多学习者近乎故意地避开他们正尝试使用工具的官方文档。常看到人们询问Udemy课程和“最佳教程”
    No 40. 棕尾虹雉(Himalayan Monal)，俗称九尾鸟
    No 41. 【AtsPy：Python自动化时序模型】
    No 42. 【ccache：编译缓存，用来加快编译速度】
    No 43. 【Weaviate：基于GraphQL的Smart Graph(语义搜索、语义分类、知识表示)】
    No 44. 【代码运行的学习(预测代码运行结果)】
    No 45. Basecamp：招聘程序员的三条锦囊：远程招聘，薪酬明确，工作细节详尽。 more：http://…
    No 46. 【机器人/计算机视觉相关数据集列表】
    No 47. 【用深度强化学习玩井字棋】
    No 48. 【教程：Transformer文本分类】
    No 49. 《Proving the Lottery Ticket Hypothesis: Pruning is All You Need》
    No 50. 【Break：问题理解数据集/基准任务，旨在训练模型对复杂问题进行推理，包含83,978个自然语言问题，标注了新的意义表示——问题分解意义表示(QDMR)】