Pesquisa em IA e tecnologia
OpenML
openml.org
Pesquisa em IA e tecnologiafree
Conjuntos de dados de machine learning compartilhados e resultados de tarefas de benchmark, com acesso via API. As páginas de descrição documentam a origem dos dados, úteis para notebooks de reprodutibilidade.
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.
Importar para o Gemini Notebook
- 1Copie o link acima (ou uma página específica do site).
- 2No seu notebook, clique em Adicionar fonte → Site.
- 3Cole o link e confirme — dá para colar vários links de uma vez, um por linha.
Anais de conferências e blogs de laboratórios publicam artigos completos em PDF ou páginas de site — eles são importados de forma limpa e mantêm as citações intactas.
Mais fontes de pesquisa em ia e tecnologia
- AAAI Conference on Artificial IntelligenceAnais de uma das principais conferências anuais de IA, cobrindo toda a área. Os PDFs individuais dos artigos funcionam bem como fontes.
- ACM Digital LibraryBiblioteca digital de pesquisa em computação — anais de conferências e periódicos. Muitos artigos são de acesso aberto, e esses PDFs importam diretamente.
- AI Alignment ForumPosts técnicos e extensos sobre segurança e alinhamento de IA. As URLs de cada post funcionam bem como fontes do tipo Site.
- DistillExplicações interativas e revisadas por pares de conceitos de machine learning. Inativo desde 2021, mas os artigos importam bem como fontes do tipo Site para notebooks de estudo de ML.
- Google DeepMind ResearchPublicações e posts técnicos do blog do Google DeepMind. Os textos do blog costumam resumir um artigo de forma mais acessível que o PDF — vale adicionar os dois como fontes.
- ICLR (OpenReview)Artigos da ICLR com os debates completos de revisão por pares no OpenReview. As revisões e as réplicas dos autores acrescentam contexto crítico útil ao lado do PDF do artigo.
- IEEE XplorePeriódicos, anais de conferências e normas de engenharia elétrica e computação. Os resumos são abertos; os PDFs completos exigem assinatura ou compra.
- Journal of Machine Learning Research (JMLR)Periódico de machine learning de acesso aberto e longa trajetória. Todo artigo é um PDF gratuito, sem paywall, o que facilita montar notebooks de revisão de literatura em ML.
- Linguistic Data ConsortiumDistribui corpora de fala e texto para pesquisa linguística e treinamento de modelos. O acesso é por associação; as páginas de documentação dos corpora podem ser vistas livremente.
- MLCommons / MLPerf BenchmarksSede dos benchmarks MLPerf de velocidade de treinamento e inferência. As páginas de resultados e a documentação de metodologia embasam notebooks que comparam hardware e sistemas de IA.
- Nature Machine IntelligencePeriódico revisado por pares sobre machine learning e aplicações de IA. Um contraponto curado aos preprints na hora de montar um notebook de literatura sobre IA.
- NeurIPS ProceedingsTodos os artigos da principal conferência de machine learning, desde 1987. Os PDFs gratuitos facilitam montar um notebook em torno de uma linha de pesquisa ao longo dos anos.
- OpenReview.netArtigos com os debates completos de revisão por pares de eventos como a ICLR. Importar as revisões junto com o artigo dá ao notebook os dois lados do argumento.
- PerplexityMotor de respostas que vincula cada afirmação a uma fonte. Útil para encontrar URLs candidatas a entrar num notebook — importe as páginas citadas, não o resumo gerado pela IA.
- Proceedings of Machine Learning Research (PMLR)Artigos completos e gratuitos da ICML, AISTATS, UAI e outros eventos de ML. Links diretos para PDF, sem paywall — fácil importar em lote para revisões de literatura em ML.
- The GradientEnsaios longos sobre pesquisa em IA, escritos para um público técnico, mas geral. Os artigos combinam bem com os papers que discutem, no mesmo notebook.
- Transactions on Machine Learning Research (TMLR)Periódico de ML de acesso aberto, com submissões contínuas e revisões públicas. Cada artigo tem uma página própria e um PDF que pode ir direto para um notebook.