KI-Bücher und -Papers
A | B | C | D | E | F | G | H | I | J | K | L | M | N | O | P | Q | R | S | T | U | V | W | X | Y | Z
A
-
Atlas der KI: Die materielle Wahrheit hinter den neuen Datenimperien Amazon
Typ: Buch
Autor: Kate Crawford (Autor), Frank Lachmann (Übersetzer)
Jahr: 2024
Hinweise: Eine kritische Untersuchung der ökologischen, politischen und sozialen Auswirkungen von KI. -
Artificial Intelligence for Business: A Roadmap for Getting Started with AI Amazon
Typ: Buch
Autor: Jason L. Anderson, Jeffrey L. Coveyduc
Jahr: 2020
Hinweise: Bietet Führungskräften Hinweise zur Integration von KI-Technologien in Unternehmensstrategien. -
Artificial Intelligence in Finance: A Python-Based Guide Amazon
Typ: Buch
Autor: Yves Hilpisch
Jahr: 2020
Hinweise: Erforscht, wie KI die Finanzbranche durch Theorie und praktische Anwendung transformiert. -
Attention Is All You Need
Typ: Forschungsarbeit
Autoren: Vaswani et al.
Jahr: 2017, zuletzt überarbeitet 2023
Hinweise: Stellte die Transformer-Architektur vor, die die Verarbeitung natürlicher Sprache revolutionierte.
B
-
Bayesian Reasoning and Machine Learning Amazon
Typ: Buch
Autor: David Barber
Hinweise: Bietet einen tiefgehenden Einblick in bayessche Methoden in der KI und im maschinellen Lernen. -
Beyond Intelligence: The Future of AI and Humanity Amazon
Typ: Buch
Autor: Abhishek Thakur
Jahr: 2025
Hinweise: Untersucht, wie KI menschliche Fähigkeiten und das Wesen des Lebens selbst neu gestaltet.
C
- Computing Machinery and Intelligence
Typ: Akademische Arbeit
Autor: Alan Turing
Jahr: 1950
Hinweise: Das bahnbrechende Werk, das die Frage “Können Maschinen denken?” aufwarf und den Turing-Test vorstellte.
D
-
Deep Learning Amazon
Typ: Buch
Autoren: Ian Goodfellow, Yoshua Bengio & Aaron Courville
Jahr: 2016
Hinweise: Eine umfassende Ressource über Theorie und Praxis des Deep Learning. -
Deep Residual Learning for Image Recognition
Typ: Forschungsarbeit
Autoren: He et al.
Jahr: 2015
Hinweise: Stellte ResNet-Architekturen vor, die zu einem Eckpfeiler der Computer Vision geworden sind.
E
- Explainable Artificial Intelligence (XAI): Concepts, Taxonomies, Opportunities and Challenges
Typ: Forschungsarbeit
Autoren: Adadi & Berrada
Jahr: 2018, zuletzt überarbeitet 2019
Hinweise: Gibt einen Überblick über Methoden und Herausforderungen, um KI-Systeme transparenter zu machen.
F
- Fairness and Abstraction in Sociotechnical Systems
Typ: Forschungsarbeit
Autoren: Selbst et al.
Jahr: 2019
Hinweise: Diskutiert die Herausforderungen, Fairness in komplexe KI-Systeme einzubetten.
G
-
Generative Adversarial Networks
Typ: Forschungsarbeit
Autoren: Goodfellow et al.
Jahr: 2014
Hinweise: Stellte GANs vor, einen bedeutenden Durchbruch im generativen Modellieren in der KI. -
Genius Makers: The Mavericks Who Brought AI to Google, Facebook, and the World Amazon
Typ: Buch
Autor: Cade Metz
Jahr: 2021
Hinweise: Chronik der Menschen und Durchbrüche, die die KI-Revolution vorangetrieben haben.
H
- Human Compatible: Künstliche Intelligenz und wie der Mensch die Kontrolle über superintelligente Maschinen behält Amazon
Typ: Buch
Autor: Stuart Russell
Jahr: 2019
Hinweise: Erforscht die Herausforderungen bei der Gestaltung von KI-Systemen, die mit menschlichen Werten in Einklang stehen.
I
-
Intelligence Unbound: The Future of Uploaded and Machine Minds Amazon
Typ: Buch
Herausgeber: Russell Blackford & Damien Broderick
Jahr: 2014
Hinweise: Erforscht die zukünftigen Implikationen von KI und menschlicher Verbesserung. -
ImageNet Classification with Deep Convolutional Neural Networks
Typ: Forschungsarbeit
Autoren: Krizhevsky, Sutskever & Hinton
Jahr: 2012
Hinweise: Ein wegweisendes Papier, das die breite Anwendung tiefer Faltungsnetzwerke auslöste.
J
- Journal of Artificial Intelligence Research (JAIR)
Typ: Journal
Hinweise: Ein führendes Journal, das einflussreiche KI-Forschung und Übersichten veröffentlicht.
K
-
KI 2041: Zehn Zukunftsvisionen Amazon
Typ: Buch
Autor: Kai-Fu Lee (mit Chen Qiufan)
Jahr: 2021
Hinweise: Verbindet fantasievolles Erzählen mit technischen Einblicken, um zu untersuchen, wie KI unsere Welt bis 2041 verändern wird. -
Knowledge Representation and Reasoning Amazon
Typ: Buch
Autoren: Ronald Brachman & Hector Levesque
Jahr: 2004
Hinweise: Ein grundlegender Text über Methoden zur Darstellung und Verarbeitung von Wissen in KI-Systemen. -
Künstliche Intelligenz: Ein moderner Ansatz Amazon
Typ: Buch
Autoren: Stuart Russell & Peter Norvig
Hinweise: Wird oft als das maßgebliche Lehrbuch für die Einführung in die KI betrachtet.
L
- Life 3.0: Being Human in the Age of Artificial Intelligence Amazon
Typ: Buch
Autor: Max Tegmark
Jahr: 2017
Hinweise: Erforscht die Zukunft der KI und ihre Auswirkungen auf die Gesellschaft.
M
-
Machine Learning: A Probabilistic Perspective Amazon
Typ: Buch
Autor: Kevin P. Murphy
Jahr: 2012
Hinweise: Ein umfassender Leitfaden zu probabilistischen Ansätzen im maschinellen Lernen. -
Mastering the Game of Go with Deep Neural Networks and Tree Search
Typ: Forschungsarbeit
Autoren: Silver et al.
Jahr: 2016
Hinweise: Beschreibt das bahnbrechende AlphaGo-System, das Deep Learning und Baumsuche kombinierte.
N
- Neural Networks and Deep Learning
Typ: Buch (Online-Ressource)
Autor: Michael Nielsen
Jahr: 2015
Hinweise: Eine zugängliche Einführung in die Konzepte hinter neuronalen Netzwerken.
O
-
One-Shot Learning with Memory-Augmented Neural Networks
Typ: Forschungsarbeit
Autoren: Santoro et al.
Jahr: 2016
Hinweise: Stellt Methoden vor, um aus sehr wenigen Beispielen zu lernen. -
OpenAI GPT-3: Language Models are Few-Shot Learners
Typ: Forschungsarbeit
Autoren: Brown et al.
Jahr: 2020
Hinweise: Beschreibt die Fähigkeiten eines der größten entwickelten Sprachmodelle.
P
-
Probabilistic Graphical Models: Principles and Techniques Amazon
Typ: Buch
Autoren: Daphne Koller & Nir Friedman
Jahr: 2009
Hinweise: Eine umfassende Ressource zur Modellierung komplexer Verteilungen mittels Graphen. -
Playing Atari with Deep Reinforcement Learning
Typ: Forschungsarbeit
Autoren: Mnih et al.
Jahr: 2013
Hinweise: Eine bahnbrechende Arbeit, die Deep Reinforcement Learning in Videospielen demonstrierte.
Q
- Quantum Machine Learning: What Quantum Computing Means to Data Mining
Typ: Forschungsarbeit
Autoren: Biamonte et al.
Jahr: 2017
Hinweise: Erforscht die Schnittstelle zwischen Quantencomputing und maschinellem Lernen.
R
-
Real World AI: A Practical Guide for Responsible Machine Learning Amazon
Typ: Buch
Autoren: Alyssa Simpson Rochwerger & Wilson Pang
Jahr: 2021
Hinweise: Erforscht Methoden zum Aufbau von KI-Systemen, die sowohl effektiv als auch ethisch fundiert sind. -
Reinforcement Learning: An Introduction Amazon
Typ: Buch
Autoren: Richard S. Sutton & Andrew G. Barto
Jahr: 2018 (Zweite Ausgabe)
Hinweise: Das Standardlehrbuch, um die Grundlagen des Reinforcement Learning zu verstehen. -
Rethinking Generalization in Deep Learning
Typ: Forschungsarbeit
Autoren: Zhang et al.
Jahr: 2021
Hinweise: Untersucht, wie tiefe Netzwerke über die Trainingsdaten hinaus generalisieren.
S
-
Speech and Language Processing Amazon
Typ: Buch
Autoren: Daniel Jurafsky & James H. Martin
Hinweise: Eine umfassende Ressource zur Verarbeitung natürlicher Sprache und Spracherkennung. -
Superintelligenz: Szenarien einer kommenden Revolution Amazon
Typ: Buch
Autor: Nick Bostrom (Autor), Jan-Erik Strasser (Übersetzer) Jahr: 2016
Hinweise: Ein einflussreiches Werk über zukünftige Risiken und strategische Herausforderungen fortgeschrittener KI.
T
-
The Age of AI: And Our Human Future Amazon
Typ: Buch
Autoren: Henry Kissinger, Eric Schmidt & Daniel Huttenlocher
Jahr: 2021
Hinweise: Erforscht die tiefgreifenden Auswirkungen der KI auf globale Angelegenheiten, die Gesellschaft und die menschliche Identität. -
The Book of Why: The New Science of Cause and Effect Amazon
Typ: Buch
Autor: Judea Pearl
Jahr: 2018
Hinweise: Erforscht kausales Denken und dessen Bedeutung für die Entwicklung von KI.
U
- Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks
Typ: Forschungsarbeit
Autoren: Radford et al.
Jahr: 2015
Hinweise: Eine Schlüsselarbeit, die die Leistungsfähigkeit unüberwachter Lernverfahren zur Generierung realistischer Bilder demonstriert.
V
-
Variational Inference: A Review for Statisticians
Typ: Forschungsarbeit
Autoren: Blei, Kucukelbir & McAuliffe
Jahr: 2017
Hinweise: Bietet einen zugänglichen Überblick über variationale Methoden, die in der probabilistischen Modellierung eingesetzt werden. -
Visualizing and Understanding Convolutional Networks
Typ: Forschungsarbeit
Autoren: Zeiler & Fergus
Jahr: 2014
Hinweise: Bietet Einblicke in das Innenleben konvolutionaler neuronaler Netzwerke.
W
-
Weapons of Math Destruction: How Big Data Increases Inequality and Threatens Democracy Amazon
Typ: Buch
Autor: Cathy O’Neil
Jahr: 2016
Hinweise: Erforscht die gesellschaftlichen Auswirkungen und ethischen Bedenken algorithmischer Entscheidungsfindung. -
Weakly Supervised Learning
Typ: Forschungsarbeit
Autor: Zhou
Jahr: 2018
Hinweise: Gibt einen Überblick über Techniken, die mit begrenzten oder ungenau gelabelten Daten arbeiten.
X
- XAI: Explainable Artificial Intelligence for the Real World
Typ: Forschungsarbeit
Autor: Gunning
Jahr: 2017
Hinweise: Diskutiert die praktischen Herausforderungen und Ansätze zur Implementierung von Erklärbarkeit in KI-Systemen.
Y
- You Only Look Once: Unified, Real-Time Object Detection
Typ: Forschungsarbeit
Autoren: Redmon et al.
Jahr: 2016
Hinweise: Stellt das YOLO-Framework vor, das die Echtzeit-Objekterkennung vorantrieb.
Z
- Zero-Shot Learning: Bridging the Semantic Gap
Typ: Forschungsarbeit
Autoren: Xian et al.
Jahr: 2017
Hinweise: Bewertet Methoden zur Klassenerkennung ohne Trainingsbeispiele.
Diese Liste erhebt keinen Anspruch auf Vollständigkeit. Das Feld der KI verändert sich extrem schnell und unterliegt fast täglichen Änderungen. Und wir sind uns sicher, dass wir hier viele Bücher und Fachartikel übersehen haben. Bitte zögern Sie nicht, uns weitere Beiträge für unsere Listen zu schicken.