KI-Katalog

Modernes, hochperformantes Python-Framework für API-Entwicklung

Fundamentale Python-Bibliothek für numerisches Rechnen und Arrays

Framework für schnelle Data Science Web-Apps ohne Frontend-Kenntnisse

Visuell-mathematische Videoserie über neuronale Netze mit präzisen Animationen und rigoroser Fundierung

Historisches 2012 NIPS-Paper, das mit AlexNet die Computer Vision revolutionierte

Preprint-Repository seit 1991, KI-Papers in cs.AI Sektion, offener Zugang, Cornell University

Google-Paper, das die Transformer-Architektur einführte und moderne Large Language Models ermöglichte

Google-Forschung zu bidirektionalen Transformers, Grundlage moderner NLP-Systeme

Christopher Olahs renommierter Blog mit intuitiven Visualisierungen und Erklärungen zu neuronalen Netzwerk-Konzepten

Eine der wichtigsten Computer Vision Konferenzen mit über 12.000 Teilnehmern und strenger Peer Review

Standardwerk für Statistical Learning von Stanford-Professoren Hastie, Tibshirani und Friedman

Meistgelobter kostenloser Deep Learning-Kurs mit praktischem Top-Down-Ansatz von Jeremy Howard

Weltweit bedeutende Computer-Vision-Konferenz mit erstklassigem Status und bahnbrechender KI-Innovation

Jay Alammars visuelle Erklärung der Transformer-Architektur mit intuitiven Animationen

Hochqualitative Deep Learning-Tutorials vom Tesla AI Director

Prestigeträchtige KI-Konferenz mit umfangreichem Archiv wissenschaftlicher Papers seit 1987

Offizieller OpenAI Forschungsbericht über GPT-4 Entwicklung und Fähigkeiten

Vollständige offizielle API-Referenz für PyTorch Deep Learning Framework mit allen Modulen

Wichtiger arXiv-Paper über ResNet-Architektur und Residual Learning

Stanfords führender Deep Learning-Kurs für Computer Vision und neuronale Netzwerke

Grundlegendes Google Research Paper über Word2Vec Wort-Vektoren für NLP

Fortschrittliches KI-Modell von Anthropic für komplexe Aufgaben

Umfassende Sammlung von Open-Source-KI-Projekten und Lernressourcen

Python-Bibliothek für schnelle ML-Model Demos und Web-Interfaces

Kollaborative Plattform für ML-Modelle und KI-Community

KI-Bildgenerierung mit Web-Interface und Community-Fokus

Fortschrittliches OpenAI Reasoning-Modell mit integrierter Tool-Nutzung

Python-Bibliothek für schnelle und flexible Datenanalyse

Python-Bibliothek für interaktive Visualisierungen und Web-Dashboards

Open-Source Deep Learning Framework mit dynamischer Graphenerstellung

JavaScript-Bibliothek für moderne, komponentenbasierte Benutzeroberflächen

OpenAI's Text-to-Video-Modell für realistische Videogenerierung (Sora 2: September 2025)

Text-zu-Bild KI mit verbesserter Qualität und Prompt-Verständnis (SD 3/3.5)

Utility-first CSS-Framework für flexibles und performantes Web-Design

Open-Source KI-System für hochwertige 3D-Asset-Generierung mit PBR-Materialien

Open-Source Machine Learning Framework von Google für KI-Entwicklung

Open-Source Spracherkennung mit mehrsprachiger Unterstützung von OpenAI

Führende Konferenz der KI-Forschung mit rigorosen Standards und führenden Wissenschaftlern weltweit

Nature Climate Change Studie über KIs Rolle als Klimaproblem und -lösung zugleich

Führende Forschungsplattform für KI-Alignment und existenzielle Sicherheit

Anthropics innovative Methode für selbstüberwachtes KI-Alignment ohne menschliche Harmlosigkeitsbewertungen

Anthropic's Forschungshub mit KI-Sicherheitspapieren, Constitutional AI und Claude-Safeguards

Microsofts umfassendes Computer-Vision-Dataset mit 330k Bildern für Objekterkennung, Segmentierung und Bildbeschriftung

Stanfords einflussreicher Machine Learning Grundlagenkurs mit mathematischen Fundamenten und praktischer Implementierung

MIT Press Standardwerk für Deep Learning mit mathematischen Grundlagen von Goodfellow/Bengio/Courville

Bekannte AI-Bildungsplattform mit 10+ Millionen Lernenden und Industry-Zertifizierungen

Interaktives ML-Journal mit visuellen Erklärungen, reaktiven Diagrammen und Interpretability

Distills visuelle ML-Erklärungen mit interaktiven Diagrammen und Feature-Visualisierung

Wichtige europäische Computer Vision Konferenz mit biennial Format und rigoroser Peer Review