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


F


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


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


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


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


V


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


Y


Z

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.