No 1. 师兄能帮你轻松搞定实验，不是因为他更聪明，而是因为同样的状况他已经碰到过上百次了 [笑而不语] h…
    No 2. Paras Chopra：写下来的好处，不在于以后能想得起来，而在于强迫你想清楚，落到纸面上的文字需…
    No 3. The Stoic Emperor：几个世纪以来，人类一直试图把自己变成一台机器。他们学会了准时到达…
    No 4. Ben Bartlett：本科物理课应该教授的技能: - 如何使用git - 适…
    No 5. 【机器学习简历案例指南】
    No 6. Sahil lavingia：相比试图完成十件事的人，试图完成一件事的人，能完成更多的事。 …
    No 7. 【深度学习架构、模型和技巧集合(TensorFlow/PyTorch)】
    No 8. François Chollet：仅因为无法理解没见过的东西，就选择忽视机器学习，是相当短视的。 自…
    No 9. François Chollet：看CT片子很难，我从不怀疑，只要有训练数据足够，深度学习最终一定会…
    No 10. 《使用Rust编写操作系统》
    No 11. 《A Multi-Scale Tensor Network Architecture for Classification and Regression》
    No 12. 【深度可分离卷积性能研究】
    No 13. 【PandaPy：NumPy一样快速、Pandas一样灵活的Python数据处理库】
    No 14. 【深度强化学习相关资源大列表】
    No 15. 【nyaggle：面向Kaggle和离线比赛的实用工具库，侧重于特征工程与验证】
    No 16. 欧洲城堡的进化
    No 17. 没错了，是3号Reviewer的车 [笑而不语] …
    No 18. 《SynSin: End-to-end View Synthesis from a Single Image(Mesh R-CNN)》
    No 19. 很酷，不是吗？ 😎
    No 20. 【数据科学基础：面向无编程经验人士的Python数据科学入门教程(Colab Notebooks)】
    No 21. 【Python科学几何算法库】
    No 22. 【Mici：概率模型近似推理MCMC方法实现包(Python)】
    No 23. 【好奇研究者成功发表指南(11点技巧)】
    No 24. 【定制类别人脸生成API】
    No 25. 《TEASER: Fast and Certifiable Point Cloud Registration》
    No 26. 【PyTorch3d：(PyTorch)3D视觉深度学习库】
    No 27. 《Random Matrix Theory Proves that Deep Learning Representations of GAN-data Behave as Gaussian Mixtures》
    No 28. 【Kaggle开放日：用有限GPU RAM训练BERT模型】
    No 29. 【(Colab)用Nucleus和TensorFlow进行DNA序列错误校正】
    No 30. 【探索100多个开源强化学习环境】
    No 31. 【波士顿动力开发包】
    No 32. 【Kaggle开放日：打造自己的AI相机】
    No 33. 【自我对话：(Colab)基于GPT2-1.5b用Facebook聊天数据训练橡皮鸭聊天机器人】
    No 34. 《Scalable Hyperparameter Optimization with Lazy Gaussian Processes》
    No 35. 【C++14实现的分布式哈希表】
    No 36. 【蒙特利尔深度学习峰会 Bengio, LeCun & Hinton 圆桌会谈】
    No 37. 《A Neural Dirichlet Process Mixture Model for Task-Free Continual Learning》
    No 38. 【面向因果推理的文本特征选择与评价库】
    No 39. 《Scaling Laws for Neural Language Models》
    No 40. 【ktrain：Keras简化封装库，集成多种主流文本、视觉、图预训练模型】
    No 41. John Carmack：刚下单几个1TB的U盘，每个30美元。我发现自己对科技的进步仍然感到敬畏—…
    No 42. 来，复习一下：串联 vs. 并联 🔋💡 …
    No 43. 《Analyzing Multi-Head Self-Attention: Specialized Heads Do the Heavy Lifting, the Rest Can Be Pruned》
    No 44. 《The Story of Heads》
    No 45. 【下一代机器学习工具】
    No 46. 【DNet：基于JAX的神经网络库】
    No 47. 【用三角形、六边形或其他精选拼贴图案镶嵌您喜欢的3D曲面】
    No 48. 【ACL 2019 亮点摘要】
    No 49. 【开放域信息求索澄清问答数据集】