KI- & Technologieforschung
OpenML
openml.org
KI- & Technologieforschungfree
Geteilte Machine-Learning-Datensätze und Benchmark-Ergebnisse mit API-Zugang. Die Beschreibungsseiten der Datensätze dokumentieren die Herkunft für reproduzierbare Notebooks.
OpenML hosts machine learning datasets alongside the benchmark results other researchers got running models against them, with an API for pulling data programmatically. A notebook on model reproducibility can cite a dataset's documented provenance and prior benchmark numbers instead of taking a paper's reported results on faith. Dataset quality and documentation vary a lot, since much of it is community-contributed rather than centrally curated.
In Gemini Notebook importieren
- 1Kopieren Sie den Link oben (oder eine bestimmte Seite der Website).
- 2Klicken Sie in Ihrem Notebook auf Quelle hinzufügen → Website.
- 3Link einfügen und bestätigen – es können mehrere Links auf einmal eingefügt werden, einer pro Zeile.
Konferenzbände und Labor-Blogs veröffentlichen vollständige Papers als PDF oder Webseite — diese lassen sich sauber importieren und behalten die Zitate bei.
Weitere ki- & technologieforschung-Quellen
- AAAI Conference on Artificial IntelligenceTagungsband einer der großen jährlichen KI-Konferenzen, die das gesamte Feld abdeckt. Einzelne Paper-PDFs aus dem Band eignen sich gut als Quelle.
- ACM Digital LibraryVerlagsbibliothek für Informatikforschung – Konferenzbände und Fachzeitschriften. Viele Beiträge sind frei zugänglich, deren PDFs lassen sich direkt importieren.
- AI Alignment ForumAusführliche Fachbeiträge zu KI-Sicherheit und Alignment-Forschung. Einzelne Beitrags-URLs funktionieren gut als Website-Quellen.
- DistillInteraktive, begutachtete Erklärartikel zu Machine-Learning-Konzepten. Seit 2021 ruhend, aber die Artikel lassen sich weiterhin gut als Website-Quellen für ML-Lern-Notebooks importieren.
- Google DeepMind ResearchPublikationen und technische Blogbeiträge von Google DeepMind. Die Blogartikel fassen ein Paper oft verständlicher zusammen als das PDF – füge am besten beide als Quelle hinzu.
- ICLR (OpenReview)ICLR-Paper samt vollständigen Begutachtungsverläufen auf OpenReview. Reviews und Autorenantworten liefern nützlichen kritischen Kontext neben dem Paper-PDF.
- IEEE XploreFachzeitschriften, Konferenzbände und Normen aus Elektrotechnik und Informatik. Abstracts sind frei einsehbar, vollständige PDFs erfordern ein Abo oder einen Kauf.
- Journal of Machine Learning Research (JMLR)Seit Langem etabliertes Open-Access-Journal für Machine Learning. Jeder Beitrag ist ein kostenloses PDF ohne Paywall – ideal, um eine ML-Literaturübersicht aufzubauen.
- Linguistic Data ConsortiumVertreibt Sprach- und Textkorpora für Sprachforschung und Modelltraining. Der Zugang läuft über eine Mitgliedschaft, die Beschreibungsseiten der Korpora sind frei einsehbar.
- MLCommons / MLPerf BenchmarksHeimat der MLPerf-Benchmarks für Trainings- und Inferenzgeschwindigkeit. Ergebnisseiten und Methodikdokumente untermauern Notebooks, die KI-Hardware und -Systeme vergleichen.
- Nature Machine IntelligenceBegutachtete Fachzeitschrift zu Machine Learning und KI-Anwendungen. Ein kuratiertes Gegengewicht zu Preprints beim Aufbau eines KI-Literatur-Notebooks.
- NeurIPS ProceedingsJedes Paper der führenden Machine-Learning-Konferenz, zurück bis 1987. Kostenlose PDFs erleichtern es, ein Notebook rund um einen Forschungsstrang über Jahre hinweg aufzubauen.
- OpenReview.netPaper samt vollständigen Begutachtungsverläufen für Venues wie ICLR. Reviews neben dem Paper zu importieren, gibt einem Notebook beide Seiten der Diskussion.
- PerplexityAntwortmaschine, die jede Aussage mit einer Quelle verlinkt. Praktisch, um passende URLs für ein Notebook zu finden – importiere die zitierten Seiten, nicht die KI-Zusammenfassung selbst.
- Proceedings of Machine Learning Research (PMLR)Kostenlose Volltexte von ICML, AISTATS, UAI und anderen ML-Konferenzen. Direkte PDF-Links ohne Paywall – so lassen sich ML-Literaturübersichten schnell im großen Stil aufbauen.
- The GradientAusführliche Essays zur KI-Forschung, geschrieben für ein fachlich interessiertes, aber nicht rein akademisches Publikum. Artikel passen gut neben die Paper, die sie besprechen.
- Transactions on Machine Learning Research (TMLR)Open-Access-Journal für ML mit fortlaufenden Einreichungen und öffentlichen Reviews. Jedes Paper hat eine Übersichtsseite plus ein PDF, das sich direkt in ein Notebook laden lässt.