Если вы занимаетесь ML / AI, Computer Science или научными исследованиями, диссертации могут быть очень полезным источником идей для research.

🔬 Если вы занимаетесь ML/AI research — сохраните этот пост.

Здесь собрала 20 бесплатных ресурсов, где можно искать:

🎓 PhD-диссертации
🏆 архивы лучших ML/AI-конференций
📚 научные статьи
🧠 research ideas и research gaps
📊 datasets и новые направления исследований

🎓 1. PhD-диссертации

1. OATD — Open Access Theses and Dissertations
Миллионы диссертаций из университетов по всему миру. Один из лучших вариантов для поиска именно open access работ.
🔗 https://www.oatd.org/

2. EBSCO Open Dissertations
Большая коллекция электронных тезисов и диссертаций университетов США и других стран.
🔗 https://about.ebsco.com/products/research-databases/ebsco-open-dissertations

3. ProQuest Dissertations & Theses
Одна из крупнейших мировых баз диссертаций.
🔗 https://about.proquest.com/en/dissertations/

4. Stanford Digital Repository
Диссертации и research materials Stanford University.
🔗 https://sdr.stanford.edu/

5. Deep Blue — University of Michigan
Открытый репозиторий University of Michigan с диссертациями и research publications.
🔗 https://deepblue.lib.umich.edu/

6. Theses Canada
Поиск диссертаций канадских университетов.
🔗 https://www.canada.ca/en/library-archives/services/heritage/theses.html

7. Cambridge Apollo
Репозиторий University of Cambridge с PhD theses и другими research outputs.
🔗 https://www.repository.cam.ac.uk/

8. LSE Theses Online
Открытые диссертации London School of Economics.
🔗 https://etheses.lse.ac.uk/

🏆 2. Архивы ML/AI конференций

9. NeurIPS
Один из главных мировых conference по machine learning и AI.
🔗 https://proceedings.neurips.cc/

10. ICML — International Conference on Machine Learning
Один из главных источников новых исследований в ML.
🔗 https://proceedings.mlr.press/

11. ICLR — International Conference on Learning Representations
Особенно полезен для Deep Learning, LLM, representation learning и generative AI.
🔗 https://openreview.net/group?id=ICLR.cc

12. AAAI
Огромный архив исследований по Artificial Intelligence.
🔗 https://ojs.aaai.org/

13. CVPR / ICCV / ECCV
Если работаете с Computer Vision — это обязательные источники.

CVPR:
🔗 https://openaccess.thecvf.com/

ECCV:
🔗 https://www.ecva.net/

📚 3. Где искать научные статьи

14. arXiv
Один из главных источников новых ML/AI статей до и после peer review.
🔗 https://arxiv.org/

15. Semantic Scholar
Удобен для поиска papers, авторов, citation networks и похожих исследований.
🔗 https://www.semanticscholar.org/

16. Google Scholar
Классический инструмент для поиска литературы и отслеживания цитирования.
🔗 https://scholar.google.com/

🧠 4. Где искать идеи и темы для исследований

17. Papers With Code
Papers + datasets + benchmarks + code. Очень удобно, если хотите понять, что уже сделали и где остаются нерешённые задачи.
🔗 https://paperswithcode.com/

18. Hugging Face Papers
Новые исследования в AI/ML и связь с моделями, datasets и implementations.
🔗 https://huggingface.co/papers

19. Connected Papers
Позволяет визуально исследовать связи между научными работами и быстро находить ключевые papers по теме.
🔗 https://www.connectedpapers.com/

20. OpenAlex
Огромный открытый каталог научных работ, авторов, организаций, журналов и цитирования.

🔗 https://openalex.org/

🔥 Как я бы использовала эти ресурсы

Если вы выбираете тему для PhD / статьи / research project, не начинайте с одного Google-запроса.

Попробуйте такой маршрут:

1 → Dissertation
Найдите 5–10 свежих PhD по вашей теме.

2 → References
Посмотрите, какие papers цитируют эти диссертации.

3 → Conferences
Проверьте последние NeurIPS / ICML / ICLR / AAAI / CVPR.

4 → Research gap
Сравните, какие задачи уже решены, а какие авторы называют limitations / future work.

5 → Papers + Code
Проверьте, есть ли подходящие датасеты и статьи с открытым и воспроизводимым кодом.

Подготовка диссертации по ML - длительный процесс, и если, действительно, для Вас это важно, и Вы только начинаете данный путь, то предоставленные ресурсы могут помочь систематизировать необходимую информацию для того, чтобы сделать вклад в науку на уровне страны и международных исследований.

Где искать темы и материалы для PhD в ML/AI: 10 бесплатных ресурсов