Materialien

Sammlung weiterer Materialien zu den Themen des Moduls.

Literatur

  • Géron, Aurélien (2022): Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow, O’Reilly Media, Inc..
  • Frochte, Jörg (2020): Maschinelles Lernen: Grundlagen und Algorithmen in Python, Carl Hanser Verlag GmbH Co KG.
  • LeCun, Yann and Bengio, Yoshua and Hinton, Geoffrey (2015): Deep learning, Nature Publishing Group UK London.
  • Alammar, Jay and Grootendorst, Maarten (2024): Hands-on large language models: language understanding and generation, O’Reilly Media, Inc..
  • Situnayake, Daniel and Plunkett, Jenny (2023): AI at the Edge, O’Reilly Media, Inc..
  • Russell, Stuart Jonathan and Norvig, Peter (2012): K{"u}nstliche Intelligenz: Ein moderner Ansatz, Pearson Deutschland GmbH.

MOOCs

Massive Open Online Courses.

  • Deep Learning Specialization — Die Deep-Learning-Spezialisierung auf Coursera, angeboten von Andrew Ng und DeepLearning.AI, vermittelt in einem fünfkursigen Programm fortgeschritt
  • DeepLearning.AI
  • DataCamp — DataCamp ist eine Plattform, die Online-Kurse in Data Science, Künstlicher Intelligenz und verwandten Themen wie Python, R, SQL sowie Data Engineering und Data Analysis anbietet.
  • edX — edX ist eine Online-Bildungsplattform, die Kurse, Zertifikate und Abschlüsse führender Universitäten zu Themen wie Künstliche Intelligenz, Nachhaltigkeit und Wirtschaft bietet und aktuell bis zum 21. April 2026 einen 10%-Rabatt mit dem Code FRESH2026 für eine neue Lernrunde anbietet.

Webseiten

Begründung: Die URL führt zu einem einzelnen YouTube‑Video, und der angegebene Inhalt listet die üblichen Footer‑Elemente von YouTube auf – „About“, „Press“, „Copyright“, „Contact us“, „Creators“, „Advertise“, „Developers“, „Terms“, „Privacy“, „Policy & Safety“, „How YouTube works“, „Test new features“, „NFL Sunday Ticket“ sowie das Copyright‑Vermerk „© 2026 Google LLC“. Diese Elemente kennzeichnen die standardmäßige Informations‑ und Rechtssektion einer YouTube‑Seite.

  • https://www.stateof.ai/ — Die Webseite https://www.stateof.ai/ stellt den State of AI Report 2025 vor, einen jährlich erscheinenden, umfassenden Bericht über die wichtigsten Entwicklungen in der Künstlichen Intelligenz, der von führenden Akteuren in Industrie und Forschung überprüft wird und sich mit Forschung, Industrie, Politik, Sicherheit sowie einer großen Umfrage unter 1.200 AI-Praktikern beschäftigt.
  • https://www.aihero.dev/ — Die Webseite aihero.dev bietet eine praxisnahe Weiterbildung für Entwickler, die sich von Anfängern zum AI-Expert:innen weiterentwickeln möchten, mit Fokus auf Themen wie Prompt-Engineering, RAG und Agenten sowie einem Crash-Kurs zum AI SDK v6.
  • https://www.i-am.ai/index.html — 0.007863180711865425
  • https://developers.google.com/machine-learning/crash-course?hl=de
  • https://developers.google.com/machine-learning/advanced-courses?hl=de — Die Seite bietet eine Übersicht über Googles fortgeschrittene Machine‑Learning‑Kurse, gegliedert nach Themen wie Entscheidungsbäume, Empfehlungssysteme, Clustering und GANs, mit der Möglichkeit, Inhalte zu speichern und zu kategorisieren.
  • https://aegeorge42.github.io/ — Eine hilfreiche Ressource zum Thema Deep Learning.

Tools

  • TensorFlow — TensorFlow ist eine umfassende, end-to-end-Plattform für maschinelles Lernen, die umfangreiche Ressourcen zur Modellentwicklung, Libraries wie TensorFlow.js und TensorFlow Lite, sowie Tutorials, API-Dokumentationen und Community-Unterstützung bietet.
  • PyTorch — Die offizielle Webseite von PyTorch, einem Open-Source-Maschinenlern-Framework, bietet umfassende Lernressourcen, Community-Unterstützung, Projektinformationen, Dokumentation, Blog-Updates zu Konferenzen und Technologieentwicklungen sowie Einblicke in aktuelle Forschungsarbeiten und Veranstaltungen wie die PyTorch Conference.
  • Scikit-Learn — Die Webseite stellt die Dokumentation für die Python-Bibliothek scikit-learn (Version 0.16.1) bereit, die maschinelles Lernen in Python ermöglicht.
  • Jupyter — Jupyter.org stellt eine Open-Source-Plattform mit Web-basierten Tools wie JupyterLab und Jupyter Notebook bereit, die interaktive Programmierung, Datenanalyse und wissenschaftliche Rechnung in über 40 Programmiersprachen ermöglichen.
  • Anaconda — Anaconda bietet eine offene Plattform für die Entwicklung und Bereitstellung von KI-Lösungen mit Python-Paketverwaltung, sicheren Entwicklungs- und Collaboration-Tools sowie Governance-Funktionen für Unternehmen.
  • FlowiseAI — Flowise ist eine open-source-Plattform zur visuellen Entwicklung von KI-Agenten mit modularen Bausteinen, die sowohl Cloud- als auch On-Premises-Bereitstellungen unterstützen und von Teams weltweit genutzt werden.
  • n8n — n8n ist eine Workflow-Automatisierungsplattform mit KI-Funktionen, die Geschäftsprozesse durch über 8500 Vorlagen, 500+ Integrationen und die Möglichkeit der visuellen
  • Ollama — Ollama ist eine Plattform für die einfache Bereitstellung und Skalierung von Open-Source-KI-Modellen mit Cloud-Unterstützung, verschiedenen Abonnements und Fokus auf Datenprivatsphäre.
  • Google Gemini — Die Webseite ai.google.dev stellt Entwicklern Zugang zu KI-Modellen wie Gemini, Imagen und Veo, Open-Source-Modellen wie Gemma sowie Dokumentationen, API-Referenzen und Tools für die Anwendungsentwicklung bereit.
  • Kaggle — Kaggle ist eine Plattform für Data Science und künstliche Intelligenz
  • ElevenLabs
  • NN-SVG — Die Webseite NN-SVG bietet die Erstellung und Download von SVG-basierten, publikationsbereiten Schemata neuronaler Netzwerkarchitekturen mit anpassbaren Stilen (z. B. FCNN, LeNet, AlexNet) und detaillierten Einstellungen für Kantenbreite, Farbe, Transparenz, Knotendurchmesser, Farben und Layoutrichtung.
  • Netron — Netron ist ein Online-Tool zur Visualisierung und Analyse von maschinellem Lernen, das Modelle wie ONNX oder TensorFlow öffnen, Funktionen wie “add” oder “multiply” darstellen und von Lutz Roeder entwickelt wurde.

© 2026 Technische Hochschule Köln - WPF Deep Learning, Machine Learning und Künstliche Intelligenz

This site uses Just the Docs, a documentation theme for Jekyll.