Diese Bücher sind die Kernreferenzen, die in Graduiertenprogrammen für KI, in Forschungsinstituten der Industrie und in selbstgesteuerten Studienplänen verwendet werden. Sie decken symbolische KI, maschinelles Lernen, tiefes Lernen, verstärkendes Lernen und die theoretischen Grundlagen ab, die jedem modernen KI-System zugrunde liegen.
Grundlagen der KI-Lehrbücher
Umfassende Lehrbücher, die die Breite der Künstlichen Intelligenz abdecken - die Standardreferenzen, die in Universitätskursen zur KI weltweit verwendet werden.
| Buch | Autor | Jahr | Niveau | Beschreibung |
|---|---|---|---|---|
| Künstliche Intelligenz: Ein moderner Ansatz 4. Auflage, Pearson | Stuart Russell, Peter Norvig | 2020 | Fortgeschritten | Das am weitesten verbreitete KI-Lehrbuch der Welt, das Suche, Logik, Planung, probabilistisches Denken, maschinelles Lernen, tiefes Lernen, Robotik und Ethik abdeckt. Die 4. Auflage integriert modernes tiefes Lernen mit klassischer KI und wird von über 1.500 Universitäten verwendet. |
| Mustererkennung und maschinelles Lernen Springer | Christopher M. Bishop | 2006 | Fortgeschritten | Strenger bayesianischer Ansatz für maschinelles Lernen mit detaillierten mathematischen Ableitungen. Deckt grafische Modelle, Kernel-Methoden, neuronale Netze und approximative Inferenz ab. Unverzichtbar für Forscher und Graduiertenstudenten. |
| Die Elemente des statistischen Lernens 2. Auflage, Springer | Trevor Hastie, Robert Tibshirani, Jerome Friedman | 2009 | Fortgeschritten | Autoritative Referenz zur Theorie des statistischen Lernens mit Abdeckung von Regression, Klassifikation, baum-basierten Methoden, Support Vector Machines und Ensemble-Lernen. Kostenlos als PDF verfügbar und weit verbreitet in der ML-Forschung zitiert. |
| Maschinelles Lernen: Eine probabilistische Perspektive MIT Press | Kevin P. Murphy | 2012 | Fortgeschritten | Einheitlicher probabilistischer Rahmen für maschinelles Lernen mit umfangreicher mathematischer Behandlung. Aktualisiert in zwei Bänden (2022-2023) als 'Probabilistic Machine Learning'. |
Tiefes Lernen
Bücher, die sich auf neuronale Netze, Architekturen des tiefen Lernens sowie die Theorie und Praxis des Trainings großer Modelle konzentrieren.
| Buch | Autor | Jahr | Niveau | Beschreibung |
|---|---|---|---|---|
| Tiefes Lernen MIT Press | Ian Goodfellow, Yoshua Bengio, Aaron Courville | 2016 | Fortgeschritten | Das definitive Lehrbuch über tiefes Lernen, kostenlos online verfügbar. Behandelt die Grundlagen der linearen Algebra, Wahrscheinlichkeit, Informationstheorie, Feedforward-Netzwerke, Regularisierung, Optimierung, CNNs, RNNs und generative Modelle. Geschrieben von drei Pionieren des Feldes. |
| Eintauchen in tiefes Lernen Cambridge University Press | Aston Zhang, Zachary C. Lipton, Mu Li, Alexander J. Smola | 2023 | Fortgeschritten | Interaktives Lehrbuch mit ausführbarem Code in PyTorch, MXNet, JAX und TensorFlow. Wird von über 500 Universitäten weltweit verwendet und ständig mit neuen Inhalten aktualisiert. |
| Neuronale Netze und tiefes Lernen Online | Michael Nielsen | 2015 | Anfänger-Fortgeschritten | Kostenloses Online-Buch mit außergewöhnlich klaren Erklärungen, wie neuronale Netze funktionieren, Rückpropagation und warum tiefe Netze schwer zu trainieren sind. Idealer Ausgangspunkt, bevor man sich mit anspruchsvolleren Texten beschäftigt. |
Verstärkendes Lernen
Kerntexte über Agenten, die aus Interaktion lernen - von tabellarischen Methoden bis hin zu tiefem verstärkendem Lernen.
| Buch | Autor | Jahr | Niveau | Beschreibung |
|---|---|---|---|---|
| Verstärkendes Lernen: Eine Einführung 2. Auflage, MIT Press | Richard S. Sutton, Andrew G. Barto | 2018 | Fortgeschritten | Das kanonische Lehrbuch über verstärkendes Lernen von den Gründern des Feldes. Behandelt Markov-Entscheidungsprozesse, zeitliche Differenzlernen, Policy-Gradient-Methoden und Funktionsapproximation. Kostenloses PDF verfügbar. |
| Algorithmen für verstärkendes Lernen Morgan and Claypool | Csaba Szepesvari | 2010 | Fortgeschritten | Kurzgefasste mathematische Behandlung von RL-Algorithmen mit Konvergenzanalyse. Kürzer als Sutton & Barto, aber theoretisch rigoroser. |
| Deep Reinforcement Learning Hands-On 2. Auflage, Packt | Maxim Lapan | 2020 | Fortgeschritten | Praktischer Leitfaden zur Implementierung moderner tiefen RL-Algorithmen, einschließlich DQN, A3C, PPO und AlphaZero-ähnlicher Ansätze mit PyTorch. |
Klassische und symbolische KI
Texte, die logisches Denken, Wissensrepräsentation, Planung und andere symbolische Ansätze abdecken, die für die Geschichte der KI grundlegend sind.
| Buch | Autor | Jahr | Niveau | Beschreibung |
|---|---|---|---|---|
| Wissensrepräsentation und -schlussfolgerung Morgan Kaufmann | Ronald Brachman, Hector Levesque | 2004 | Fortgeschritten | Die Standardreferenz für symbolische Wissensrepräsentation, die Beschreibunglogiken, nicht-monotone Schlussfolgerungen und Ontologien abdeckt. Unverzichtbar für das Verständnis des semantischen Webs und von Expertensystemen. |
| Automatisierte Planung: Theorie und Praxis Morgan Kaufmann | Malik Ghallab, Dana Nau, Paolo Traverso | 2004 | Fortgeschritten | Umfassende Behandlung von KI-Planungsalgorithmen, klassischer Planung, hierarchischen Aufgaben-Netzwerken und Planung unter Unsicherheit. |
| Probabilistische grafische Modelle: Prinzipien und Techniken MIT Press | Daphne Koller, Nir Friedman | 2009 | Fortgeschritten | Definitive Behandlung von bayesianischen Netzwerken, Markov-zufälligen Feldern und Inferenzalgorithmen. Über 1.200 Seiten rigoroser Exposition. |
Moderne KI, LLMs und KI-Sicherheit
Zeitgenössische Bücher über Transformatorenmodelle, große Sprachmodelle, KI-Ausrichtung und die gesellschaftlichen Implikationen von KI.
| Buch | Autor | Jahr | Niveau | Beschreibung |
|---|---|---|---|---|
| Natürliche Sprachverarbeitung mit Transformatoren O'Reilly | Lewis Tunstall, Leandro von Werra, Thomas Wolf | 2022 | Fortgeschritten | Praktischer Leitfaden zur transformatorbasierten NLP unter Verwendung von Hugging Face-Bibliotheken. Behandelt BERT, GPT, Feinabstimmung und Bereitstellung. Geschrieben von Mitgliedern des Kernteams von Hugging Face. |
| Menschenkompatibel: KI und das Problem der Kontrolle Viking | Stuart Russell | 2019 | Anfänger-Fortgeschritten | Zugängliche Behandlung des KI-Ausrichtungsproblems durch einen der prominentesten Forscher auf dem Gebiet der KI. Argumentiert für nachweislich vorteilhafte KI durch inverse Belohnungsdesigns. |
| Superintelligenz: Wege, Gefahren, Strategien Oxford University Press | Nick Bostrom | 2014 | Fortgeschritten | Einflussreiche philosophische Analyse der Risiken und strategischen Überlegungen rund um superintelligente KI. Prägte viel des zeitgenössischen Denkens zur KI-Sicherheit. |
| KI-Engineering: Anwendungen mit Foundation Models entwickeln O'Reilly | Chip Huyen | 2024 | Fortgeschritten | Moderner Leitfaden zum Aufbau von Produktionssystemen auf Basis von Foundation Models, der RAG, Bewertung, Feinabstimmung und Bereitstellungsmuster abdeckt. |