爱可可老师24小时热门分享(2019.1.2)

No 1. 抽奖送出 5本“图灵2019年编程日历”
No 2. 【数据结构与算法/leetcode/lintcode题解】
No 3. 2019进度:░░░░░░░░░░░░░░░ 0% 🎉 ​…
No 4. 【好书推荐:《万物皆显然——一旦有答案》借助最新的科学研究,以及丰富的历史和现代的例子,Watts展示了常识推理和历史如何误导我们相信我们比实际更了解人类行为的世界;反过来,为什么企图预测,管理或操纵社会和经济系统往往会出错……】
No 5. 晚安~ 2019第一夜~ [月亮] ​
No 6. 【推荐系统实例与最佳实践(Jupyter notebooks)】
No 7. 【Python地理编码库】
No 8. 《成为SCI期刊审稿人是一种怎样的体验? – 知乎》
No 9. 《如何在自然语言处理方向学习? – 知乎》
No 10. 《样本生而不等——聊聊那些对训练数据加权的方法 | 知乎》
No 11. 【高斯过程(GP)的可视化探索】
No 12. 【PyTorch模型FLOPs估算模块】
No 13. 【博士论文:统计与优化——统计学习算法的计算保障】
No 14. 两个水箱的水来自同一时间同一地点,区别在于,右边的水箱里有牡蛎 ​…
No 15. 【强化学习入门】
No 16. 早![太阳] ​
No 17. 善用工具~
No 18. 元学习 [笑而不语] ​
No 19. 《Deep Quality-Value (DQV) Learning》
No 20. 【对抗最新ReCaptcha验证码(精度91%)】
No 21. 【TensorFlow模型部署资料汇总】
No 22. 一年有多少秒?最好记的近似值:10⁷π
No 23. 【基于BIGGAN的动漫生成(TensorFlow)】
No 24. 大家好 今天是一篇长博🕺🏻 主题是How I take my study notes […
No 25. 【书稿:因果推理概念与方法】
No 26. 【未来派交互界面——鹰眼模式:用缩放访问所有内容】
No 27. 要理解这意境,AI还要炼几年?[笑而不语] ​…
No 28. [偷笑] //@屠龙的胭脂井: 没那么复杂。就给编辑写信,说我想帮你审稿。编辑给你送来很多稿子。看见…
No 29. 【人体姿态与运动】
No 30. 《Improving Generalization and Stability of Generative Adversarial Networks》
No 31. 《Trap Dungeons 2》
No 32. final version(2018.12):http://t.cn/Ebe09sI //@爱可可-…
No 33. 《中国的科研人员,知识分子是否待遇过低? – 知乎》
No 34. 时间,是我能给你最慷慨的赠与。未来或未可期,但过去的每秒,每句每条,精诚所至,无不用心。来日方长,愿…
No 35. 【(Windows10)用C++部署PyTorch 1.0模型网络服务】
No 36. 《Learning to Reconstruct Shapes from Unseen Classes》
No 37. 原来盐/胡椒瓶底的棱棱不只是为了好看 [喵喵] http://t.cn/EbNYbyU ​…
No 38. 《Dynamic Planning Networks》
No 39. 【跨语种自然语言理解套件AmbiverseNLU:结合多种最先进的语言理解任务组件:命名实体识别和消歧(或实体链接)、开放信息提取、实体显著性评价和概念链接,为文本到知识应用提供基础 】
No 40. 【用C++部署PyTorch 1.0模型网络服务】
No 41. 《Predicting Aircraft Trajectories: A Deep Generative Convolutional Recurrent Neural Networks Approach》
No 42. 《Machine learning in resting-state fMRI analysis》
No 43. 《一切显而易见》
No 44. 《数学这门学科有多有趣? – 知乎》
No 45. 【(DeepMind)深度学习与强化学习进阶课程】
No 46. 中午开奖,欢迎参与!
No 47. 《Meta Reinforcement Learning with Distribution of Exploration Parameters Learned by Evolution Strategies》
No 48. 《Build your own bare-metal ARM cluster》
No 49. 迷人的parahelio现象 http://t.cn/EbkQnsc
No 50. 【博士论文:元监督视觉学习】

爱可可老师24小时热门分享(2019.1.1)

No 1. #新年快乐# #转发抽奖# 2019如期而至,进度条已重置,许愿清单已更新,要一如既往加油哦!携手@图灵教育 转发抽奖送出 5本“图灵2019年编程日历”
No 2. 《数学这门学科有多有趣? – 知乎》
No 3. 《工业界中NLP(自然语言处理)算法工程师的核心竞争力是什么? – 知乎》
No 4. 【伯克利《人工智能导论》(2018)课程 视频+资料】
No 5. 要理解这意境,AI还要炼几年?[笑而不语] ​…
No 6. 【数据结构与算法/leetcode/lintcode题解】
No 7. 【2018年度机器学习50大热门网文】
No 8. 转眼就要挥别2018,时间的车轮一如既往滚滚向前。可见的未来,与过去同也不同。希望不变的是初心,是对…
No 9. 《Trap Dungeons 2》
No 10. 【Zero-Shot Learning相关资源大列表】
No 11. 时间,是我能给你最慷慨的赠与。未来或未可期,但过去的每秒,每句每条,精诚所至,无不用心。来日方长,愿…
No 12. 早!2019 [太阳]
No 13. 别做有一天需要用谎话骗自己的事。过自己能承受的生活,切记。
No 14. 【博士论文:元监督视觉学习】
No 15. 【深度学习与机器人学】
No 16. 【推荐系统实例与最佳实践(Jupyter notebooks)】
No 17. 音乐,妙不可言:“千与千寻”
No 18. 【如何撰写期刊文章】
No 19. 善用工具~
No 20. 《SageDB: A Learned Database》
No 21. 【课程资料:拓扑数据分析】
No 22. 【有哪些“高级”的AI与机器学习在线课程?】
No 23. 【Python地理编码库】
No 24. 🐶of 2018
No 25. David W Hogg: 论点:就对物理学产生的影响而言,arXiv的创建比1990年以来所有其它…
No 26. 【基于图的地牢迷宫生成算法】
No 27. 晚安~ 2018的最后一场好梦~ [月亮] ​…
No 28. 【Style-based GANs:逼真人造脸生成与调整】
No 29. 《Neural Model-Based Reinforcement Learning for Recommendation》
No 30. 【基于机器学习的电商产品分类】
No 31. 【Python写的软件3D渲染器】
No 32. 【“元元awesome”—awesome大列表的大列表的大列表 🤷‍♀️】
No 33. 大家好 今天是一篇长博🕺🏻 主题是How I take my study notes […
No 34. 元学习 [笑而不语] ​
No 35. 《The Matrix Calculus You Need For Deep Learning》
No 36. 【PyTorch模型FLOPs估算模块】
No 37. 《Looking for ELMo's friends: Sentence-Level Pretraining Beyond Language Modeling》
No 38. 【对抗最新ReCaptcha验证码(精度91%)】
No 39. 《Deep Quality-Value (DQV) Learning》
No 40. 【书稿:算法】
No 41. 【书稿:平面图优化算法】
No 42. 《Uncertainty Autoencoders: Learning Compressed Representations via Variational Information Maximization》
No 43. 精美又精确的银行系水晶球 🔮src:http://t.cn/EbmAdEr http://t.cn…
No 44. “RE guide for beginners: Methodology and tools”
No 45. 【用数据科学说话:谁是“马里奥赛车”最佳车手?】
No 46. 逆向工程初学者指南 –
No 47. 3D打印定格动画:楼梯上的熊 src:http://t.cn/EbEg2nN http://t.cn…
No 48. 《Multimodal deep learning for short-term stock volatility prediction》
No 49. 《Finger-GAN: Generating Realistic Fingerprint Images Using Connectivity Imposed GAN》
No 50. 对论点的最佳批评,指出其中存在的重大缺陷并提出有效解决方案;好的批评,直击论证的本质;平庸的批评,攻…

爱可可老师24小时热门分享(2018.12.31)

No 1. 【伯克利《人工智能导论》(2018)课程 视频+资料】
No 2. 最近注意到自己所有好点子都来自以下几件事(按优先级排序):1、读书;2、与少数A+级精英对话;3、推…
No 3. “提问的智慧(‘How To Ask Questions The Smart Way’中文版)”
No 4. 【书稿:算法】
No 5. 2019是可以用六种三素数平方和算出的最小数字:7² + 11² + 43² = 2019;7²…
No 6. 『英文文献阅读经验分享』 [星光]近万字保姆级功课,教你应对英文文献的一切问题,你…
No 7. 《用简单易懂的语言描述「过拟合 overfitting」? – 知乎》
No 8. 对论点的最佳批评,指出其中存在的重大缺陷并提出有效解决方案;好的批评,直击论证的本质;平庸的批评,攻…
No 9. 我恨自己在写的这篇论文!只有我这样吗?
No 10. 《人工智能导论》
No 11. 《美女与野兽》
No 12. '英文文献阅读经验分享'
No 13. 晚安~ [月亮] ​
No 14. 可视化:太阳系八大行星的日长和倾角 http://t.cn/EblAm1L ​…
No 15. 转眼就要挥别2018,时间的车轮一如既往滚滚向前。可见的未来,与过去同也不同。希望不变的是初心,是对…
No 16. 【2018年度机器学习50大热门网文】
No 17. 早![太阳] ​
No 18. 这才是大家喜闻乐见的图像补全,GAN们加油了! ​…
No 19. [笑cry] ​
No 20. Jamendo Music:
No 21. 信任比任何事都更珍贵。缺乏信任导致摩擦和低效,每次接触都是充满火药味的谈判。信任让婚姻温暖长久,信任…
No 22. 【有哪些“高级”的AI与机器学习在线课程?】
No 23. 《作为数学博士研究生,以什么频率发文章才有在学术界生存的能力/潜力? – 知乎》
No 24. 机智:在Google Earth VR街景里嵌入本地摄像头画面,轻松采风
No 25. 如何带娃写码两不误:弄个站式电脑桌;熟练使用婴儿套装;来点带感的BGM;动起来~
No 26. 【Zero-Shot Learning相关资源大列表】
No 27. '开源'音乐//Jamendo Music:
No 28. 【PyTorch连续集成脚本集】
No 29. 磁场可视化AR小应用:利用智能手机磁力传感器实测空间各点的磁力方向,对钕磁铁的磁场进行可视化 [赞]…
No 30. 《Temporal Difference Variational Auto-Encoder》
No 31. 【“元元awesome”—awesome大列表的大列表的大列表 🤷‍♀️】
No 32. 【商用数据科学:来自前线的经验教训】
No 33. “RE guide for beginners: Methodology and tools”
No 34. 常常对人们在所谓“低技能”
No 35. 道德机器实验的统计结果,反映的不仅仅是自驾车危急情况选择避谁撞谁的问题,还有更深层次的价值观和社会偏…
No 36. Niels Bohr因其在原子结构方面的研究于1922年获得诺贝尔奖。他将原子描述为被一环环电子包围…
No 37. 【Python写的软件3D渲染器】
No 38. 问个问题呀。我现在有一段讲课的音频。有没有什么命令行工具或者开源库可以分析出有人声的时间段。
No 39. 【用蒙特卡罗实验估计工具】
No 40. 《Deep Decoder: Concise Image Representations from Untrained Non-convolutional Networks》
No 41. 掌握某个主题,短线的方法,是投入所有时间和精力,对该主题所有内容深入研究;长线的方法,是研究一系列相…
No 42. 换个视角看花样游泳 src:http://t.cn/EZfnUSA http://t.cn/EZf…
No 43. 逆向工程初学者指南 –
No 44. 您这个应该属于简化的Speaker Diarization问题,还是有些方案的,可以参考 http:…
No 45. 【毕业论文之:修改完成】
No 46. 【(Python)自己动手实现文本摘要】
No 47. ’MVision – 机器人视觉 无人驾驶 VS-SLAM ORB-SLAM2 深度学习目标检测 y…
No 48. 【菜鸟数据科学家五大误区:Kaggle成才论、神经网络无所不能、机器学习是产品、混淆因果和相关、优化错误的指标】
No 49. 《Animating Arbitrary Objects via Deep Motion Transfer》
No 50. 【LSTM的大批量(Large-Batch)训练】