论文有序：每天推荐的论文，发布越早越值得关注（纯个人观点，除周日、周一以外----arXiv停更，做一周论文捡漏）
特征尽现：标题、作者、机构、摘要、结论、图表、概览，判断论文是否该读的第一眼特征都有了，手机上也能轻松选（跨页结论也贴心地粘成了一块）
页面截图：网页配全幅截图，翻墙不方便的童鞋可点开原图浏览，清晰度应该没问题，大部分截图做了版面优化去除广告及周边
原文链接：所有资料的原始出处，告诉你高质量“源”在哪里----知源，知取舍，你就是爱可可~
多即是少：兼听则明，有视野才有思考，不贪热图大，不做标题党，只为还原给你一个真实的世界----什么最热、什么最好，自己的判断最可靠
少才能多：推荐的意义，不是让你看见更多（好），而是让你看见更少（噪）----学会选择，才是爱可可的优质粉丝！
互动是金：转也好，评也好，赞也好，不是充人气，是在和我们、和你自己对话，让别人、也让你更了解自己，何况很快还有福利（嘘……）
爱你，所以希望有一天你不再需要我…
No 1. 【增强学习学习指南】
No 2. 《Feedback Networks》
No 3. 《普通程序员如何转向AI方向》
No 4. 【如何提出有意义的问题】
No 5. 【机器学习基础训练营(1.23-1.27, 讲师来自UC Berkeley, CMU, Princeton
University等)】
No 6. 【深度学习网络安全论文集锦】
No 7. 《博士应该采取什么策略读文献？ - 知乎》
No 1. 【深度学习NLP概览】
No 2. 《谷歌、微软、OpenAI 等巨头的七大机器学习开源项目 看这篇就够了》
No 3. 【阿里天池O2O优惠券消费行为预测竞赛优胜方案】
No 4. 【迁移学习综述】
No 5. 【在Windows上配置TensorFlow(GPU支持)】
No 6. 【2016可视化作品大盘点】
No 7. 【特征工程的重要性】
No 1. 【特征工程的重要性】
No 2. 【Pandas数据处置速查表】
新年将至，无以为念，点滴感悟，与君共勉----可以取舍，不必挑剔；可以饱读，不必尽览；可以主张，不必争论...
No 4. 【2016深度学习大盘点】
No 5. 【Spark分布式深度学习库BigDL】
No 6. 【2016深度学习框架大盘点】
No 7. 【机器学习另类应用：爬虫数据获取】
可以取舍，不必挑剔；
可以饱读，不必尽览；
可以主张，不必争论；
可以希冀，不必强求；
可以自得，不必自负；
可以任性，不必放纵；
可以无视，不必轻慢；
可以骄傲，不必张狂；
可以平凡，不必灿烂。
No 1. 【机器学习另类应用：爬虫数据获取】
No 2. 【机器学习速成课程】
No 3. 《如何用通俗的语言解释卡尔曼滤波器？ - 知乎》
No 4. 【手把手教学：用ggplot2绘制精美主题地图】
No 5. 【生成模型的最高境界】
No 6. 【博士生/研究所建议、提示及相关资源大列表】
No 7. 【DNN快速
No 1. 【讲义：统计学习理论】
No 2. 《Language Modeling with Gated Convolutional
Networks》
No 3. 《YOLO9000: Better, Faster, Stronger》
No 4. 【讲义：面向推理与机器学习的数学】
No 5. 《Learning from Simulated and Unsupervised Images through
Adversarial Training》
No 6. 《Parallelizing Word2Vec in Shared and Distributed
No 1. “图解TensorFlow源码” by yaojian_ict
http://t.cn/RtTOMo...
No 2. 【讲义：统计学习理论】
No 3. 《有哪些你看了以后大呼过瘾的编程书？ - 知乎》
No 4. 《数学女孩（I、II）》
No 5. 【反向传播详解】
No 6. 【NIPS 2016论文代码集锦】
No 7. 【通过TensorFlow实例(练习)学习机器学习】
No 1. 【讲义：统计学习理论】
No 2. 【NIPS 2016论文代码集锦】
No 3. 《看机器学习论文时，看不懂数学公式怎么办？ - 知乎》
No 4. 【深度学习&神经网络热门图书Top9】
No 5. 【面向医学图像计算的深度学习与卷积神经网络】
No 6. 《YOLO9000: Better, Faster, Stronger》
No 7. 【深度学习指南】
No 1. 《Language Modeling with Gated Convolutional
Networks》
No 2. 【手把手：Python数据科学简单入门】
No 3. 【反向传播详解】
No 4. 【深入了解自动驾驶】
No 5. 《香港科技大学杨强 KDD China 技术峰会演讲：迁移学习的本质与实际应用》
No 6. 《Learning from Simulated and Unsupervised Images through
Adversarial Training》