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.

• https://www.deeplearning.ai/courses/ — Die Webseite https://www.deeplearning.ai/courses/ bietet Kurse zum Aufbau und Vertiefen von KI-Fachkenntnissen an, darunter einen neuen Kurs zu „Spec-Driven Development with Coding Agents“, geleitet von Experten der Branche.
• https://www.coursera.org/specializations/deep-learning — Die Deep-Learning-Spezialisierung auf Coursera, angeboten von Andrew Ng und DeepLearning.AI, vermittelt in einem fünfkursigen Programm fortgeschritt
• https://www.datacamp.com/ — 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.
• https://www.edx.org/ — 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

• Strategy for DL Troubleshooting - Summer School der Uni Berkeley, 2021 — Die
• How LLMs Actually Generate Text (Every Dev Should Know This) — Die Webseite ist ein YouTube-Video mit Standardlinks im Footer, die Informationen zu YouTube, Impressum, Urheberrecht, Kontakt, Creator
• Youtube Channel von Andrej Karpathy — Die YouTube-Seite von Andrej Karpathy, einem renommierten KI-Forscher und aktuell bei Google tätigen Wissenschaftler, stellt Videos zu Themen wie künstlicher Intelligenz, maschinellem Lernen sowie technologischen Entwicklungen und Forschungsergebnissen aus seinem Berufsfeld bereit.
• Official code repo for the O’Reilly Book - “Hands-On Large Language Models” — Das GitHub-Repository HandsOnLLM/Hands-On-Large-Language-Models ist das offizielle Code-Repository zum O’Reilly-Buch “Hands-On Large Language Models”.
• Official code repository for the book Build a Large Language Model (From Scratch) — Die GitHub-Repository „rasbt/LLMs-from-scratch“ bietet eine schrittweise Anleitung zur Implementierung eines ChatGPT-ähnlichen LLMs in PyTorch von Grund auf.
• Stanford CS336 Language Modeling from Scratch I 2025 — Die Webseite ist eine YouTube-Playlist der Stanford-Universität zum Kurs „CS336 Language Modeling from Scratch I 2025“, der Inhalte zu Sprachmodellierung abdeckt, ergänzt um Standardinformationen des YouTube-Portals wie Impressum, Datenschutz und Nutzungsbedingungen.
• Stanford CS224N: Natural Language Processing with Deep Learning — Die Webseite zeigt eine YouTube-Playlist des Stanford-Kurses „CS224N: Natural Language Processing with Deep Learning“ aus dem Jahr 2023.
• MIT Deep Learning
• Stanford CS230 - Autumn 2025 — Die Webseite ist ein YouTube-Videoseitenlayout für das NFL Sunday Ticket, das standardmäßige YouTube-Links wie „About“, „Press“, „Impressum“ sowie das Copyright von Google LLC 2026 umfasst.
• Introduction to Edge AI
• 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.

Tools

• https://www.tensorflow.org/ — 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.
• https://pytorch.org/ — 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.
• https://scikit-learn.org/stable/index.html — Die Webseite stellt die offene Python-Bibliothek
• https://github.com/jupyterlab/jupyterlab
• https://www.anaconda.com/ — 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.
• https://flowiseai.com/ — 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.
• https://n8n.io/ — n8n ist eine Workflow-Automatisierungsplattform mit KI-Funktionen, die Geschäftsprozesse durch über 8500 Vorlagen, 500+ Integrationen und die Möglichkeit der visuellen
• https://ollama.com/ — Ollama ist eine Plattform für die einfache Bereitstellung und Skalierung von Open-Source-KI-Modellen mit Cloud-Unterstützung, verschiedenen Abonnements und Fokus auf Datenprivatsphäre.
• https://github.com/google-gemini/gemini-cli — Die Webseite beschreibt ein Open-Source-AI-Agent auf GitHub, das die Fähigkeiten von Google Gemini direkt in die Terminalumgebung integriert.
• https://jules.google.com/
• https://www.kaggle.com/ — Kaggle ist eine Plattform für Data Science und künstliche Intelligenz
• https://elevenlabs.io/
• https://alexlenail.me/NN-SVG/LeNet.html — Die Webseite ermöglicht die anpassbare Darstellung und SVG-Download von publikationsreifen LeNet-Neural-Network-Architektur-Skizzen mit individuellen Gestaltungsoptionen wie Farbschemen, Filter-Opacity, Abständen und Beschriftungen.
• https://github.com/lutzroeder/netron — Netron ist ein Open-Source-Visualisierer für neuronale Netzwerke, Deep-Learning- und maschinelles Lernmodell, entwickelt von Lutz Roeder und als GitHub-Repository gehostet.