Weiterbildung ist in jeder Branche essenziell, um auf dem neuesten Stand zu bleiben – vor allem aber in komplexen Technologiebereichen wie dem der Künstlichen Intelligenz, die sich rasant weiterentwickeln. Zu diesem Zweck stellen wir die sieben beliebtesten Künstliche Intelligenz Bücher unter unseren Data Scientists vor. Auch für Laien, die Grundkonzepte der KI und ihre verschiedenen Einsatzmöglichkeiten besser verstehen möchten, sind einige der Werke interessant.

„Introduction to Machine Learning with Python” von Sarah Guido und Andreas C. Müller

Wie der Buchtitel schon verrät, konzentriert sich das KI-Buch darauf, praktische Kenntnisse darüber zu vermitteln, wie man eigene Machine-Learning-Anwendungen mit Python und der Bibliothek scikit-learn programmieren kann. Denn die Einsatzmöglichkeiten von ML sind nahezu unbegrenzt und nicht nur für große Unternehmen mit dedizierten Forschungsteams interessant.

Das Werk ist sehr anschaulich und verständlich verfasst und daher ideal für Anfänger. Die mathematischen Grundlagen hinter den Anwendungen werden eher ausgeklammert. Vorkenntnisse mit den Bibliotheken NumPy und matplotlib sind zwar nicht zwingend erforderlich, helfen aber beim Verständnis des Inhalts.

Neben grundlegenden Konzepten und Anwendungen des maschinellen Lernens bietet das Buch am Ende auch Vorschläge, wie man die eigenen Kompetenzen im Bereich ML und Data Science noch weiter ausbauen kann.

„Pattern Recognition and Machine Learning” von Christopher M. Bishop

„Pattern Recognition and Machine Learning“ bietet eine umfassende Einführung in die Bereiche der Mustererkennung und des maschinellen Lernens. Das KI-Buch richtet sich vor allem an Studenten, Forschende und Doktoranden sowie Dozenten, die durch zusätzliches Schulungsmaterial unterstützt werden. Aber auch für all diejenigen, die ML in der Praxis einsetzen und sich mehr theoretisches Wissen aneignen möchten, eignet sich die Lektüre.

Es werden wichtige Entwicklungen der letzten Jahre wie der Einsatz der Bayes‘schen Methode im Mainstream statt vormals für Nischenanwendungen behandelt. Aber auch praktische Übungen und projektbezogene Aufgaben kommen nicht zu kurz.

Vorkenntnisse über Mustererkennung oder Konzepte des maschinellen Lernens werden dabei nicht vorausgesetzt. Es empfehlen sich jedoch grundlegende Kenntnisse linearer Algebra und multivariater Verfahren.

Tipp: Über Microsoft lässt sich das Workbook kostenlos als PDF herunterladen und nutzen.

„Artificial Intelligence: A Modern Approach” von Stuart J. Russell und Peter Norvig

Auch dieses Buch richtet sich vor allem an Studenten und wird an über 1400 Universitäten weltweit als Lehrwerk eingesetzt. Es eignet sich jedoch generell für KI-Interessierte, denn es bietet einen klaren und verständlichen Einstieg in die Thematik, ohne zu sehr an der Oberfläche zu kratzen. Das Werk wird sogar als weltweit populärstes Lehrbuch über Künstliche Intelligenz gehandelt.

Mit insgesamt sieben Teilen (und 27 Unterkapiteln), die auf die Dauer von zwei Semestern ausgelegt sind, handelt es sich um ein sehr umfangreiches Standardwerk.

Die vierte Auflage unterscheidet sich von den Vorgängerversionen durch den Fokus auf maschinelles Lernen, Deep Learning, probabilistische Programmierung, Multiagentensysteme und enthält Abschnitte, in denen die Nutzenfunktion der KI nicht sicher, sondern unsicher ist.

Abschließend geht es um die Vergangenheit und Zukunft der KI, die Frage, wie KI überhaupt zu definieren ist und die Diskussion verschiedener philosophischer Ansätze. Die Programme im Buch werden in Pseudocode dargestellt, wobei Implementierungen in Java, Python und Lisp online verfügbar sind.

„Designing Data-Intensive Applications: The Big Ideas Behind Reliable, Scalable, and Maintainable Systems” von Martin Kleppmann

Dieses Werk nimmt die Funktion eines Leitfadens für die Verarbeitung und Speicherung von Daten ein. Hier gilt es, Herausforderungen wie zum Beispiel Skalierbarkeit, Konsistenz, Zuverlässigkeit, Effizienz und Wartbarkeit zu lösen – und sich in der Vielfalt der Tools zurechtzufinden. Martin Kleppmann schafft einen Überblick, indem er die Vor- und Nachteile der Technologien umfassend und praxisorientiert diskutiert. Zudem stellt er die Grundprinzipien dahinter heraus, die gleich bleiben, auch wenn die Software sich verändert.

Damit eignet sich das Buch vor allem für Software-Ingenieure und -Architekten, die lernen möchten, wie man die Konzepte in der Praxis anwendet und wie man Daten in modernen Anwendungen optimal nutzen kann. Darüber hinaus erhält der Leser Anregungen, wie er Systeme, die er bereits einsetzt, noch effektiver betreiben kann.

„The Ultimate Data and AI Guide” von Alexander Thamm et al.

Künstliche Intelligenz, maschinelles Lernen und Big Data sind ebenso komplexe wie vieldiskutierte Themen – der „Ultimate Data and AI Guide“, mit verfasst von unserem Gründer Alexander Thamm, nimmt hier die Rolle eines Leitfadens ein und vermittelt all das, was man wirklich über Daten und KI wissen sollte. Ziel ist es, dem Leser einen vollständigen Überblick und ein solides Verständnis der wichtigsten Konzepte rund um Daten, maschinelles Lernen und KI zu verschaffen.

Die Inhalte basieren auf unseren Erfahrungen aus über 500 Datenprojekten in über 100 Unternehmen, verständlich sowie praxisnah erklärt und angeordnet in 150 FAQs.

Damit eignet sich die Lektüre für (angehende) Data Scientists, die sich einen grundlegenden Überblick über die Materie verschaffen wollen. Aber auch interessierte Leser fernab der Data Science erfahren, wie KI, maschinelles Lernen und Daten unsere Wirtschaft und Gesellschaft zunehmend prägen – es sind keinerlei Vorkenntnisse zum Verständnis nötig. Zuletzt kann das Buch als Nachschlagewerk für Experten dienen. 63 Fallstudien bieten zudem Denkanstöße dafür, wie Daten und ML-Methoden im eigenen Unternehmen gewinnbringend eingesetzt werden können.

„Competing in the Age of AI: Strategy and Leadership When Algorithmus and Networks Run the World” von Marco Iansiti und Karim R. Lakhani

KI-zentrierte Unternehmen operieren anders als traditionelle und definieren völlig neu, wie sie Produkte und Services erfinden, erschaffen und bereitstellen. Bisher unüberwindbar geglaubte Beschränkungen, zum Beispiel in Hinblick auf die Skalierbarkeit, überwinden sie einfach. Das bedeutet auch, dass für die Strategie in einer solchen Firma gänzlich andere Regeln und Wahrscheinlichkeiten gelten. Mit genau diesem Sachverhalt befasst sich „Competing in the Age of AI: Strategy and Leadership When Algorithmus and Networks Run the World”.

Marco Iansiti und Karim R. Lakhani erklären, wie KI-zentrierte Unternehmen Branchengrenzen überschreiten und immer performancestärkere Produkte hervorbringen – um immer genauere, komplexere und anspruchsvollere Vorhersagen zu treffen. Zudem beschreiben sie neue Herausforderungen und Verantwortlichkeiten für die C-Suite von digitalen und traditionellen Unternehmen.

Die Lektüre richtet sich vor allem an Führungskräfte, aber ist auch für alle anderen interessant, die die Veränderungen von Unternehmensstrategien durch KI verstehen wollen.

„AI Superpowers“ von Kai-Fu Lee

Neben den bereits genannten Basiswerke empfehlen unsere Data Scientists „AI Superpowers“. Hierbei geht es nicht um die Vermittlung theoretischer Grundlagen, sondern um einen gesellschaftlichen und wirtschaftlichen Blick auf das Thema KI, der sehr lesenswert ist.

Kai-Fu Lee, ehemaliger CEO von Google China und einer der renommiertesten KI-Experten weltweit, diskutiert die gewaltige und unaufhaltsame Revolution, die KI verheißt. Durch seinen Hintergrund bringt er die chinesisch-amerikanische Perspektive ein und zeichnet ein drastisches Bild der Entwicklungen der letzten Jahre und der Zukunft.

Denn während die Grundlagenentwicklung der KI auf Europa und die USA zurückzuführen ist, ist China ganz klar der Revolutionsführer. Kai-Fu Lee schildert die Gründe für diese Entwicklung und verrät, was die chinesische Business-Kultur von anderen unterscheidet – und warum sie so erfolgreiche Unternehmen hervorbringt.