以下所有的论文都是免费的，涵盖了从超梯度到CNN的产量响应建模等一系列主题。每位专家还附上了论文被选中的原因以及简短的个人简历。

最近美国大选终于落下了帷幕，作者使用Scattertext来探究1960年至2020年总统竞选辩论中的主题特征。通过每一位候选人的辩论，我们可以看到一个选举周期中政党意识形态的缩影。

本文聚焦于强化学习在现实生活中的实际应用：无人驾驶 、工业自动化 、金融贸易 、自然语言处理NLP 、医疗保健 、工程 、新闻推荐、游戏、实时竞价和机器人控制。

Twitter的图学习研究负责人的博客，本文比较了有关潜图学习的最新工作与较早的流形学习技术。

如果你想更快地学习任何东西，请尝试埃隆-马斯克的方法，但你要注意，最终成为火箭科学家的速度可能远超你之前的想象。

与使用图像数据扩增是标准做法的计算机视觉不同，NLP 中文本数据的扩增非常罕见。本文作者分享了他关于当前用于扩充文本数据的方法的发现。

每周持续访问其中的一些网站，可以学习新的话题、思想、概念和心理模型。 

Justin Pinkney开源，可用于训练StyleGAN模型。