Der Sommerurlaub steht vor der Tür, und für viele von uns heißt das: Sachen packen, aber Bücher nicht vergessen!
Für alle, die sich auch in den Sommerferien mit Künstlicher Intelligenz beschäftigen wollen, haben wir unsere Expertinnen und Experten aus dem ADA Lovelace Center um Literaturtipps gebeten. Zum Thema KI gibt es mannigfaltige Betrachtungsweisen und daher viel Literatur, die sich unterschiedlichen Aspekten von KI widmet. Wir haben die folgenden Lektüreempfehlungen für Sie zusammengetragen und vorsortiert. Damit kommt im Urlaub garantiert keine Langeweile auf! 🙂 Wir wünschen einen erkenntnisreichen Sommer!
Zum Einstieg darf es gerne ein kurzweiliges Video sein – hier wird schnell und einfach erklärt, was mit Künstlicher Intelligenz eigentlich genau gemeint ist.
Wer einen klassischen Einstieg in die weite Welt der KI sucht, dem seien diese Empfehlungen mit unterschiedlichen Fokussen ans Herz gelegt:
Christopher M. Bishop: Pattern Recognition and Machine Learning, Berlin 2006.
Gareth James et al: Introduction to Statistical Learning, Berlin 2013.
Mykel J. Kochenderfer, Tim A. Wheeler, Kyle H. Wray: Algorithms for Decision Making, Cambridge Massachusetts 2008.
Jorn Lysegge: Umgang mit Unternehmensdaten und Nutzen für Unternehmen: Outside Insight, Freiburg 2019.
Catrin Misselhorn: Grundfragen der Maschinenethik, Ditzingen 2008.
Tom M. Mitchell: Machine Learning, New York 1997.
Kommen wir zur Kategorie »Nerd-Literatur«. Wer sich tiefergehend mit Themen wie Machine Learning, Semi-supervised learning, Zeitreihen, AutoML oder Prognosen eintauchen möchte, wird hier fündig. Und trifft hier auch auf den einen oder anderen Experten vom ADA Lovelace Center[*]:
Tom Fawcett und Foster Provost: Data Science for Business, Sebastopol 2013.
Fotios Petropoulos et al.: Forecasting: theory and practice (Abfrage am: 27.07.2022)
Keith Ord, Robert Fildes, Nikolaos Kourentzes: Principles of Business Forecasting, 2nd ed. (Abfrage am 27.07.2022)
Max Kuhn, Kjell Johnson: Applied Predictive Modelling, Berlin 2013.
Jesper E. van Engelen, H. Hoos: A survey on semi-supervised learning (Abfrage am 27.07.2022)
Aurélien Géron: Hands-On Machine Learning with Scikit-Learn and TensorFlow, Sebastopol 2017.
Fatoumata Dama und Christine Sinoquet: Time Series Analysis and Modeling to Forecast: a Survey (Abfrage am 27.07.2022)
Florian Karl, Tobias Pielok, Julia Moosbauer, Florian Pfisterer, Stefan Coors, Martin Binder, Lennart Schneider, Janek Thomas, Jakob Richter, Michel Lang, Eduardo C. Garrido-Merchán, Juergen Branke, Bernd Bischl: Multi-Objective Hyperparameter Optimization – An Overview (Abfrage am 27.07.2022)
Difan Deng, Florian Karl, Frank Hutter, Bernd Bischl and Marius Lindauer: Efficient Automated Deep Learning for Time Series Forecasting (Abfrage am 27.07.2022)
Andrew Gelman, John B. Carlin, Hal S. Stern, David B. Dunson, Aki Vehtari, Donald B. Rubin: Bayesian Data Analysis, New York, 2013.
[*] Denn wir sind Nerds, und das ist gut so. 🙂Natürlich gibt es auch für die Kleinen unter uns spannende Lektüre, um Ada Lovelace, ihr Leben und Wirken besser kennenzulernen. Die Bücher sind kurzweilig und liebevoll gestaltet und machen garantiert nicht nur Kindern Spaß.
Fiona Robinson: Ada Lovelace und der erste Computer von Fiona Robinson, München 2017.
María Isabel Sánchez Vegara: Ada Lovelace. Little People. Big Dreams, Berlin 2021.
Zoë Tucker: Ada und die Zahlen-Knack-Maschine: Das außergewöhnliche Leben der Ada Lovelace, Zürich 2019.
Vacation time – hurray! Reading recommendations from our experts
Summer vacation is just around the corner, and for many of us that means packing our bags, but don’t forget books!
For all of those who would like to get a better understanding of artificial intelligence during summer vacation, we have asked our experts from the ADA Lovelace Center to share their literature recommendations. There are many different ways of looking at AI and a lot of literature dedicated to the different aspects of it. We have listed and pre-sorted the following reading recommendations for you. We guarantee you that you won’t get bored during your vacation! We wish you an inspiring summer!
If you are looking for a classic introduction to the world of AI, we recommend these books each emphasizing a different focus:
Christopher M. Bishop: Pattern Recognition and Machine Learning, Berlin 2006.
Gareth James et al: Introduction to Statistical Learning, Berlin 2013.
Mykel J. Kochenderfer, Tim A. Wheeler, Kyle H. Wray: Algorithms for Decision Making, Cambridge Massachusetts 2008.
Tom M. Mitchell: Machine Learning, New York 1997.
Let’s move on to the »nerd literature« category. If you want to dive deeper into topics like machine learning, semi-supervised learning, time series, AutoML or forecasting, look no further. And you will also meet one or the other expert from the ADA Lovelace Center[*]:
Tom Fawcett und Foster Provost: Data Science for Business, Sebastopol 2013.
Fotios Petropoulos et al.: Forecasting: theory and practice (Abfrage am: 27.07.2022)
Keith Ord, Robert Fildes, Nikolaos Kourentzes: Principles of Business Forecasting, 2nd ed. (Abfrage am 27.07.2022)
Max Kuhn, Kjell Johnson: Applied Predictive Modelling, Berlin 2013.
Jesper E. van Engelen, H. Hoos: A survey on semi-supervised learning (Abfrage am 27.07.2022)
Aurélien Géron: Hands-On Machine Learning with Scikit-Learn and TensorFlow, Sebastopol 2017.
Fatoumata Dama und Christine Sinoquet: Time Series Analysis and Modeling to Forecast: a Survey (Abfrage am 27.07.2022)
Florian Karl, Tobias Pielok, Julia Moosbauer, Florian Pfisterer, Stefan Coors, Martin Binder, Lennart Schneider, Janek Thomas, Jakob Richter, Michel Lang, Eduardo C. Garrido-Merchán, Juergen Branke, Bernd Bischl: Multi-Objective Hyperparameter Optimization – An Overview (Abfrage am 27.07.2022)
Difan Deng, Florian Karl, Frank Hutter, Bernd Bischl and Marius Lindauer: Efficient Automated Deep Learning for Time Series Forecasting (Abfrage am 27.07.2022)
Andrew Gelman, John B. Carlin, Hal S. Stern, David B. Dunson, Aki Vehtari, Donald B. Rubin: Bayesian Data Analysis, New York, 2013.
[*] Because we’re nerds, and that’s good 🙂Of course, there is also exciting reading for the little ones among us to get to know the life and work of Ada Lovelacebetter. The books are entertaining and lovingly designed and guaranteed fun not only for the young reader.
Fiona Robinson: Ada’s Ideas – The Story of Ada Lovelace, the World’s First Computer Programmer, München 2017.
María Isabel Sánchez Vegara: Ada Lovelace. Little People. Big Dreams, Berlin 2018.
Zoë Tucker: Ada and the Number-Crunching Machine, Zürich 2019.