machine learning |
![]() |
BiblioMap 
Synonyme
machine learning, Maschinelles Lernen
Definitionen
Maschinelles Lernen (ML) bezeichnet Ansätze, bei welchen Maschinen die Fähigkeit besitzen, sich
ihr eigenes Wissen anzueignen, indem sie Muster aus Rohdaten extrahieren und auf dieser Basis automatisiert
robuste Prognosen in komplexen Daten erstellen.
Von Interdepartementale Arbeitsgruppe künstliche Intelligenz im Buch Herausforderungen der künstlichen Intelligenz (2019) im Text Anhang 2: Maschinelles Lernen Maschinelles Lernen bezeichnet unterschiedliche Ansätze zur automatisierten Verarbeitung von Daten. Maschinell lernende Programme werden daraufhin trainiert, Muster und Gesetzmässigkeiten in Datenmengen zu erkennen und diese Zusammenhänge zur Verarbeitung von weiteren, gleichartigen Daten zu nutzen.
Von Erich Herzog, Roger Wehrli, Marcus Hassler, Simon Schärer, Stephan Sigrist im Buch Zukunft digitale Schweiz (2017) Maschinelles Lernen ist der Sammelbegriff für alle
Computerprogramme, deren Verhalten nicht fest einprogrammiert
ist. Stattdessen gibt man fest vor, wie diese
aus Daten lernen. Aus den Daten kann dann das Verhalten
der Computerprogramme in die gewünschte Richtung
geformt werden. Maschinelles Lernen ist daher eine
sehr beliebte Möglichkeit, Systeme zu erschaffen, die über
künstliche Intelligenz verfügen.
Von Jannik Kossen, Fabrizio Kuruc, Maike Elisa Müller im Buch Wie Maschinen lernen (2019) im Text Einleitung auf Seite 7Maschinelles Lernen ist ein unscharfer Sammelbegriff für sehr unterschiedliche Konzepte und Methoden, die sogar auch herkömmliche statistische Analysemethoden umfassen können.11 Der Begriff maschinelles Lernen bezieht sich auf Verfahren zum automatisierten Auffinden von Korrelationen – auch als Zusammenhänge, Regelmäßigkeiten oder Muster bezeichnet – zwischen Variablen in einem Datensatz. Dabei versucht man, den menschlichen Prozess des Lernens nachzubilden, indem aus einer großen Zahl von Beispielen in Form von Lern- bzw. Trainingsdatensätzen maschinell (aber nicht ohne Involvierung von Menschen) die relevanten Muster bzw. Merkmale für das zu analysierende Objekt identifiziert und als Modell erzeugt werden. In den meisten Fällen dienen Verfahren des maschinellen Lernens zur Erzeugung von Vorhersagen oder Schätzungen von Ergebnissen (nach Lehr & Ohm 2017: 671).
Von Carsten Orwat im Buch Diskriminierungsrisiken durch Verwendung von Algorithmen (2019) »Machine Learning« verfolgt den Ansatz, etwas der Intelligenz
Vergleichbares durch die Sammlung und Analyse von großen Informationsmengen
zu erzeugen und die Fehler durch Einbeziehung der Reaktionen des Menschen
auf die Ergebnisse fortwährend zu reduzieren. Man kann es sich als
automatisches Erfahrungslernen vorstellen, gespeist aus Zusammenhängen und
Gemeinsamkeiten von Informationen. Zunächst ging es um die Auswertung von
Texten. Gefüttert werden diese Algorithmen heute aber mit den nunmehr
reichlich vorhandenen Datenschätzen, die wir in unserem digitalisierten
Leben erzeugen. Egal ob Einkäufe, Blog-Postings, Bewegungsdaten,
Kreditaufnahme oder Arbeitstätigkeit – praktisch alles hinterlässt digitale
Spuren, die von derzeit meist noch separaten Systemen gespeichert und
analysiert werden können. Es werden neue Erkenntnisse gewonnen und
Informationen eingeordnet, die zuvor entweder zuviel Rechenleistung
erforderten oder für die es bisher schlicht keine ausreichende Datenbasis
gab.
Von Constanze Kurz, Frank Rieger im Buch Die Datenfresser (2011)
Bemerkungen
Learning algorithms are the seeds, data is the soil, and the learned programs are the grown plants.
Von Pedro Domingos im Buch The Master Algorithm (2015) im Text The Machine-Learning Revolution ML has historically been a niche area
of CS, but now it is increasingly relevant
to core CS disciplines, from computer
architecture to operating systems.
Von R. Benjamin Shapiro, Rebecca Fiebrink, Peter Norvig im Text How Machine Learning impacts the Undergraduate Computing Curriculum (2018) Whoever has the best algorithms and the most data wins. A new type of network effect takes hold: whoever has the most customers accumulates the most data, learns the best models, wins the most new customers, and so on in a virtuous circle (or a vicious one, if you’re the competition).
Von Pedro Domingos im Buch The Master Algorithm (2015) im Text The Machine-Learning Revolution Machine learning, at its core, is concerned with the algorithms that transform
information into actionable intelligence. This fact makes machine learning
well-suited to the present-day era of big data. Without machine learning,
it would be nearly impossible to keep up with the massive stream of information.
Von Brett Lantz im Buch Machine Learning with R (2013) Interessanterweise sind die meisten Lernalgorithmen
gar nicht besonders neu, sondern wurden bereits vor Jahrzehnten
entwickelt. Neu ist jedoch die gigantische Menge
an Daten, dank günstiger Sensoren und dem Internet,
sowie modernen Computerchips, auf denen die Lernalgorithmen
besonders effizient angewendet werden können.
Von Nicolas Berberich im Buch Wie Maschinen lernen (2019) im Text Algorithmen Algorithmen lernen aus Daten -
sätzen Zusammenhänge, die
sich nicht einmal Menschen er -
schließen. Das ist beeindruckend
und oft auch nützlich. Die Com -
puter denken dabei aber längst
nicht wie Menschen, denn dafür
fehlen noch wichtige Bausteine für
Intelligenz. Wir haben führende
Kritiker des KI-Hypes gefragt, wo
die grundsätzlichen Probleme
liegen.
Von Pina Merkert im Text Statistik ist nicht Denken The Industrial Revolution automated manual work and the Information Revolution did the same for mental work, but machine learning automates automation itself. Without it, programmers become the bottleneck holding up progress. With it, the pace of progress picks up. If you’re a lazy and not-too-bright computer scientist, machine learning is the ideal occupation, because learning algorithms do all the work but let you take all the credit.
Von Pedro Domingos im Buch The Master Algorithm (2015) im Text The Machine-Learning Revolution Machine learning takes many different forms and goes by many different names: pattern recognition, statistical modeling, data mining, knowledge discovery, predictive analytics, data science, adaptive systems, self-organizing systems, and more. Each of these is used by different communities and has different associations. Some have a long half-life, some less so. In this book I use the term machine learning to refer broadly to all of them.
Von Pedro Domingos im Buch The Master Algorithm (2015) im Text The Machine-Learning Revolution 
Although machine learning is used widely and has tremendous potential, it is
important to understand its limits. Machine learning, at this time, is not in any way
a substitute for a human brain. It has very little flexibility to extrapolate outside of
the strict parameters it learned and knows no common sense. With this in mind, one
should be extremely careful to recognize exactly what the algorithm has learned
before setting it loose in the real-world settings.
Von Brett Lantz im Buch Machine Learning with R (2013) Deep Learning und andere Verfahren des
maschinellen Lernens sind Realität: In
Gestalt nützlicher kleiner Helfer organisieren
sie den Alltag, in Firmen steigern
sie die Effizienz. Beeindruckende Erfolge
in Spezialdisziplinen lassen die Technik
als Lösung für alle möglichen Probleme
erscheinen, die der Mensch nicht vollständig
durchblickt. Doch davon ist man noch
weit entfernt. KI-Experten und Neurowissenschaftler
sind sich weitgehend einig,
dass man für solch komplexe Systeme, die
auch selbstständig Theorien entwickeln
und hinterfragen müssten, eine ganz andere
Architektur bräuchte.
Von Andrea Trinkwalder in der Zeitschrift Neuronale Denkfehler (2018) im Text Irren ist künstlich Der Fortschritt von Computerleistung und Speicherkapazität bedeutet, daß
immer komplexere Rechenregeln auf immer größere Mengen Daten angewandt
werden können. Das Geheimnis des Erfolges der algorithmischen Orakel ist
also das Zusammentreffen von drastisch verbilligtem Speicherplatz und
Computerkapazitäten mit der Verfügbarkeit von immer mehr digital erfaßten
Lebensäußerungen. Seit kurzem erst funktionieren die von den Anhängern des
»machine learning« entwickelten Methoden in der Praxis. Jahrzehntelang
fristete dieser oft belächelte Teil der Forschung an »Künstlicher
Intelligenz« ein Schattendasein innerhalb der Informatik.
Von Constanze Kurz, Frank Rieger im Buch Die Datenfresser (2011) Das Interessante an dieser Art der Optimierung der Abläufe und
Entscheidungen ist, daß jene Algorithmen, die verschiedenen Subspezies der
sogenannten künstlichen Intelligenz wie Machine Learning und Support Vector
Machines entstammen, nicht versuchen, eine perfekte Vorhersage auf der
Basis einzelner kausaler Zusammenhänge zu treffen. Sie suchen vielmehr nach
Korrelationen zwischen den verschiedenen Trends und Datenbasen, die sie auf
die derzeitige Lage anwenden, um daraus verschieden wahrscheinliche
Zukunftsszenarien abzuleiten. Es geht dabei nicht mehr um präzises Wissen,
um exakte Wissenschaft, sondern darum, häufig genug richtigzuliegen.
Von Constanze Kurz, Frank Rieger im Buch Arbeitsfrei (2013) Although understanding the particulars of the technology is not necessary, it is important to recognize that algorithms are not neu-tral. When engineers are building machine learning algorithms, they typically use training data and, in some cases, classifications pro-vided by the engineer to help the algorithm analyze the data. These systems are often designed to cluster data in order to provide results. Engineers then test those results with queries that they believe should have a “right” answer, or at least a sensible one. People—and their biases—are involved at each stage. They choose what data to train a system on, what classifications matter, and which examples to test. They make very human decisions about how to adjust the algorithms to provide results that they believe are of high quality.
Von danah boyd im Buch it's complicated (2014)
Verwandte Objeke
![]() Verwandte Begriffe (Cozitation) | Künstliche Intelligenz (KI / AI)artificial intelligence, symbolische künstliche Intelligenz (GOFAI), Watson, R (software), supervised learning |
![]() Verwandte Aussagen | Machine Learning kann bestehende Vorurteile/Ungerechtigkeiten verstärken/weitertragen big data fördert machine learning |
CoautorInnenlandkarte
Häufig erwähnende Personen
Häufig co-zitierte Personen
Statistisches Begriffsnetz 
Blahfasel-Generator (Beta)
Machine learning - ein prominenter Leitbegriff der heutigen Zeit
Wer hätte sich nicht schon detaillierter Gedanken zum Themenfeld "machine learning" gemacht! Beste Gelegenheit, das Themenfeld machine learning detaillierter zu umreissen.
1985 wurde das Thema ein erstes Mal besprochen. Seither ist viel passiert.
Notwendig ist ein Blick auf die Begriffsgenese. Die neuste Definition des Begriffs lautet: "Maschinelles Lernen (ML) bezeichnet Ansätze, bei welchen Maschinen die Fähigkeit besitzen, sich ihr eigenes Wissen anzueignen, indem sie Muster aus Rohdaten extrahieren und auf dieser Basis automatisiert robuste Prognosen in komplexen Daten erstellen." (Interdepartementale Arbeitsgruppe künstliche Intelligenz, 2019). Zu vergleichen ist dies nun mit der Beschreibung von Jannik Kossen, Fabrizio Kuruc, Maike Elisa Müller von 2019 : "Maschinelles Lernen ist der Sammelbegriff für alle Computerprogramme, deren Verhalten nicht fest einprogrammiert ist. Stattdessen gibt man fest vor, wie diese aus Daten lernen. Aus den Daten kann dann das Verhalten der Computerprogramme in die gewünschte Richtung geformt werden. Maschinelles Lernen ist daher eine sehr beliebte Möglichkeit, Systeme zu erschaffen, die über künstliche Intelligenz verfügen.". Hier zeigen sich nun sowohl verbindende und trennende Aspekte. ...
Wer hätte sich nicht schon detaillierter Gedanken zum Themenfeld "machine learning" gemacht! Beste Gelegenheit, das Themenfeld machine learning detaillierter zu umreissen.
1985 wurde das Thema ein erstes Mal besprochen. Seither ist viel passiert.
Notwendig ist ein Blick auf die Begriffsgenese. Die neuste Definition des Begriffs lautet: "Maschinelles Lernen (ML) bezeichnet Ansätze, bei welchen Maschinen die Fähigkeit besitzen, sich ihr eigenes Wissen anzueignen, indem sie Muster aus Rohdaten extrahieren und auf dieser Basis automatisiert robuste Prognosen in komplexen Daten erstellen." (Interdepartementale Arbeitsgruppe künstliche Intelligenz, 2019). Zu vergleichen ist dies nun mit der Beschreibung von Jannik Kossen, Fabrizio Kuruc, Maike Elisa Müller von 2019 : "Maschinelles Lernen ist der Sammelbegriff für alle Computerprogramme, deren Verhalten nicht fest einprogrammiert ist. Stattdessen gibt man fest vor, wie diese aus Daten lernen. Aus den Daten kann dann das Verhalten der Computerprogramme in die gewünschte Richtung geformt werden. Maschinelles Lernen ist daher eine sehr beliebte Möglichkeit, Systeme zu erschaffen, die über künstliche Intelligenz verfügen.". Hier zeigen sich nun sowohl verbindende und trennende Aspekte. ...
Einträge in Beats Blog
Zeitleiste
211 Erwähnungen 
- CiteSpace II - Detecting and Visualizing Emerging Trends
and Transient Patterns in Scientific Literature (Chaomei Chen)
- The Global Expansion of AI Surveillance (Steven Feldstein)
- How the Mind Works (Steven Pinker)
- Mind as Machine - A History of Cognitive Science (Margaret A. Boden)
- Paradigms of Artificial Intelligence Programming - Case Studies in Common Lisp (Peter Norvig)
- Smart Machines - IBM's Watson and the Era of Cognitive Computing (John Kelly, Steve Hamm)
- Interactive Data Visualization - Foundations, Techniques, and Applications (Matthew O. Ward)
- Beyond Amplification - Using the Computer to Reorganize Mental Functioning (Roy Pea) (1985)
- The Society of Mind (Marvin Minsky) (1985)
- Probleme der Künstlichen Intelligenz - Eine Grundlagendiskussion (Stephen R. Graubard) (1988)
- Learnability and Cognition - The Acquisition of Argument Structure (1989)
- ICCAL '89 - 2nd International Conference on Computer Assisted Learning, Dallas, Texas, USA, May 9-11, 1989 (Hermann Maurer) (1989)
- The Other Side of the Coin - Teaching Artificial Learning Systems (Ian H. Witten, Bruce A. MacDonald) (1989)
- The Other Side of the Coin - Teaching Artificial Learning Systems (Ian H. Witten, Bruce A. MacDonald) (1989)
- What computers still can't do - A critique of Artificial Reason (Hubert L. Dreyfus) (1992)
- Out of Control - The New Biology of Machines, Social Systems, and the Economic World (Kevin Kelly) (1994)
- Grundlagen hypermedialer Lernsysteme - Theorie - Didaktik - Design (Rolf Schulmeister) (1996)
- Evolution of Parallel Cellular Machines - The Cellular Programming Approach (Moshe Sipper) (1997)
- Teaching Science for Understanding - A Human Constructivist View (James Wandersee, Joel Mintzes, Joseph D. Novak) (1998)
- Computer Science Education 2/1998 (1998)
- A Network-Centric Approach to Computer Science Education and Research Based on Robotics (Vic Callaghan, Paul Chernett) (1998)
- A Network-Centric Approach to Computer Science Education and Research Based on Robotics (Vic Callaghan, Paul Chernett) (1998)
- Understanding Intelligence (Rolf Pfeifer, Christian Scheier) (1999)
- Collaborative Learning - Cognitive and Computational Approaches (Pierre Dillenbourg) (1999)
- XML Topic Maps - Creating and Using Topic Maps for the Web (Jack Park, Sam Hunting) (2002)
- Mapping Scientific Frontiers - The Quest for Knowledge Visualization (Chaomei Chen) (2003)
- Pädagogische Agenten im Corporate E-Learning - Dissertation (Oliver Bendel) (2003)
- Handbook of Research for Educational Communications and Technology - Second Edition (2003)
- How to Solve It - Modern Heuristics (Zbigniew Michalewicz, David B. Fogel) (2004)
- The New Division of Labor - How Computers Are Creating the Next Job Market (Frank Levy, Richard Murnane) (2004)
- 2. Why People Still Matter
- 2. Why People Still Matter
- Teaching and Learning Systems - The Role of AI in Past, Present, and Future - Workshop Proceedings located at the 27th German Conference on Artificial Intelligence September 20-24, Ulm, Germany (Andreas Harrer, Alke Martens) (2004)
- Information Visualization - Beyond the Horizon (Chaomei Chen) (2004)
- Programming for Peace - Computer-Aided Methods for International Conflict Resolution and Prevention (Robert Trappl) (2006)
- Computational Thinking (Jeannette M. Wing) (2006)
- Innovative Approaches for Learning and Knowledge Sharing - First European Conference on Technology Enhanced Learning, EC-TEL 2006, Crete, Greece, October (2006)
- A Neural Approach for Modeling the Inference of Awareness in Computer-Supported Collaboration (Thanasis Daradoumis, Luis A. Casillas) (2006)
- A Neural Approach for Modeling the Inference of Awareness in Computer-Supported Collaboration (Thanasis Daradoumis, Luis A. Casillas) (2006)
- How the Body Shapes the Way We Think - A New View of Intelligence (Rolf Pfeifer, Josh Bongard) (2006)
- Causal Learning - Psychology, Philosophy, and Computation (Alison Gopnik, Laura Schulz) (2007)
- Beautiful Code (Greg Wilson, Andy Oram) (2007)
- The Role of Technology in CSCL (H. Ulrich Hoppe, Hiroaki Ogata, A. Soller) (2007)
- Creating New Learning Experiences on a Global Scale - Second European Conference on Technology Enhanced Learning, EC-TEL 2007, Crete, Greece, September (Erik Duval, Ralf Klamma, Martin Wolpers) (2007)
- Exploiting Context Information for Identification of Relevant Experts in Collaborative Workplace-Embedded E-Learning Environments (Robert Lokaiczyk, Eicke Godehardt, Andreas Faatz, Manuel Görtz, Andrea Kienle, Martin Wessner, Armin Ulbrich) (2007)
- Building Domain Ontologies from Text for Educational Purposes (Amal Zouaq, Roger Nkambou, Claude Frasson) (2007)
- Exploiting Context Information for Identification of Relevant Experts in Collaborative Workplace-Embedded E-Learning Environments (Robert Lokaiczyk, Eicke Godehardt, Andreas Faatz, Manuel Görtz, Andrea Kienle, Martin Wessner, Armin Ulbrich) (2007)
- Report on dangers and opportunities posed by large search engines, particularly Google (Hermann Maurer, Tilo Balke, Frank Kappe, Narayanan Kulathuramaiyer, Stefan Weber, Bilal Zaka) (2007)
- SIGCSE 2007 - Proceedings of the 38th SIGCSE Technical Symposium on Computer Science Education, SIGCSE 2007, Covington, Kentucky, USA, March 7-11, 2007 (Ingrid Russell, Susan M. Haller, J. D. Dougherty, Susan H. Rodger) (2007)
- Creating significant learning experiences in introductory artificial intelligence (Amy McGovern, Jason Fager) (2007)
- Creating significant learning experiences in introductory artificial intelligence (Amy McGovern, Jason Fager) (2007)
- Visualizing Data (Ben Fry) (2007)
- Building the Knowledge Society on the Internet - Sharing and Exchanging Knowledge in Networked Environments (Ettore Bolisani) (2008)
- Architecture Solutions for E-Learning Systems (Claus Pahl) (2008)
- Pedagogical Scenario Modelling, Deployment, Execution and Evolution (Yvan Peter, Xavier Le Pallec, Thomas Vantroys)
- Design and Evaluation of Web-based Learning Environments using Information Foraging Models (Nikolaos Tselios, Christos Katsanos, Georgios Kahrimanis, Nikolaos Avouris)
- Pedagogical Scenario Modelling, Deployment, Execution and Evolution (Yvan Peter, Xavier Le Pallec, Thomas Vantroys)
- Being Human - Human-Computer Interaction in the year 2020 (Richard Harper, Tom Rodden, Yvonne Rogers, Abigail Sellen) (2008)
- The Allure of Machinic Life - Cybernetics, Artificial Life, and the New AI (Bradford Books) (John Johnston) (2008)
- Emerging technologies for learning III (BECTA) (2008)
- If it quacks like a duck - Developments in search technology (Emma Tonkin)
- If it quacks like a duck - Developments in search technology (Emma Tonkin)
- Third International Conference on Concept Mapping (Alberto J. Cañas, Priit Reiska, Mauri Åhlberg, Joseph D. Novak) (2008)
- Netzwerkanalyse und Netzwerktheorie - Ein neues Paradigma in den Sozialwissenschaften (Christian Stegbauer) (2008)
- Handbook of Research on Web Log Analysis (Bernard J. Jansen, Amanda Spink, Isak Taksa) (2008)
- Identifying Users Stereotypes for Dynamic Web Pages Customization (Sandro José Rigo, José Palazzo M. de Oliveira)
- Machine Learning Approach to Search Query Classification (Isak Taksa, Sarah Zelikovitz, Amanda Spink)
- Topic Analysis and Identification of Queries (Seda Ozmutlu, Huseyin C. Ozmutlu, Amanda Spink)
- Query Log Analysis for Adaptive Dialogue-Driven Search (Udo Kruschwitz, Nick Webb, Richard Sutcliffe)
- Information Extraction from Blogs (Marie-Francine Moens)
- Identifying Users Stereotypes for Dynamic Web Pages Customization (Sandro José Rigo, José Palazzo M. de Oliveira)
- Computational Social Network Analysis - Trends, Tools and Research Advances (Ajith Abraham, Aboul-Ella Hassanien, Vaclav Snásel) (2009)
- Computational Intelligence - Eine Einführung (Oliver Kramer) (2009)
- The Social Semantic Web (John Breslin, Alexandre Passant, Stefan Decker) (2009)
- 50 Years of Artificial Intelligence - Essays Dedicated to the 50th Anniversary of Artificial Intelligence (Max Lungarella, Fumiya Iida, Josh Bongard, Rolf Pfeifer) (2009)
- Visionäre der Programmierung - Die Sprachen und ihre Schöpfer (Federico Biancuzzi, Shane Warden) (2009)
- Empfehlungen im Web - Konzepte und Realisierungen (Sandra Schön, Tobias Bürger, Wolf Hilzensauer, Cornelia Schneider, Diana Wieden-Bischof) (2010)
- Analyzing Social Media Networks with NodeXL - Insights from a Connected World (Derek Hansen, Ben Shneiderman, Marc A. Smith) (2010)
- No Code Required - Giving Users Tools to Transform the Web (Allen Cypher, Mira Dontcheva, Tessa Lau, Jeffrey Nichols) (2010)
- Information und Menschenbild (Michael Bölker, Mathias Gutmann, Wolfgang Hesse) (2010)
- Analyzing Interactions in CSCL - Methods, Approaches and Issues (Sadhana Puntambekar, Gijsbert Erkens, Cindy Hmelo-Silver) (2010)
- 3. Understanding Learners´ Knowledge Building Trajectory Through Visualizations of Multiple Automated Analyses (Nancy Law, Johnny Yuen, Wing O. W. Wong, Jing Leng)
- 14. A Framework for Assessment of Student Project Groups On-Line and Off-Line (Gahgene Gweon, Soojin Jun, Joonhwan Lee, Susan Finger, Carolyn Penstein Rosé)
- 3. Understanding Learners´ Knowledge Building Trajectory Through Visualizations of Multiple Automated Analyses (Nancy Law, Johnny Yuen, Wing O. W. Wong, Jing Leng)
- Gaming and Cognition - Theories and Practice from the Learning Sciences (Richard Van Eck) (2010)
- Search Patterns - Design for Discovery (Peter Morville, Jeffery Callender) (2010)
- Handbook of Educational Data Mining (Cristóbal Romero, Sebastián Ventura, Mykola Pechenizkiy, Ryan S.J.d. Baker) (2010)
- Computer Science Education 1/2010 (2010)
- Games and machine learning - a powerful combination in an artificial intelligence course (Scott A. Wallace, Robert McCartney, Ingrid Russell) (2010)
- Games and machine learning - a powerful combination in an artificial intelligence course (Scott A. Wallace, Robert McCartney, Ingrid Russell) (2010)
- Grundlagen der Datenanalyse mit R - Eine anwendungsorientierte Einführung (Daniel Wollschläger) (2010)
- Open Government - Collaboration, Transparency, and Participation in Practice (Daniel Lathrop, Laurel Ruma) (2010)
- The Future of Educational Neuroscience (Kurt W. Fischer, Usha Goswami, John Geake, Task Force on the Future of Educational Neuroscience) (2010)
- Beautiful Visualization - Looking at Data through the Eyes of Experts (2010)
- Opening Up Education - The Collective Advancement of Education through Open Technology, Open Content, and Open Knowledge (Toru Iiyoshi, M.S. Vijay Kumar) (2010)
- What Technology Wants (Kevin Kelly) (2010)
- The Seductive Computer - Why IT Systems Always Fail (Derek Partridge) (2010)
- Handbuch Netzwerkforschung (Christian Stegbauer, Roger Häussling) (2010)
- The Next Digital Decade - Essays on the Future of the Internet (Berin Szoka, Adam Marcus) (2010)
- Clever Algorithms - Nature-Inspired Programming Recipes (Jason Brownlee) (2011)
- In The Plex - How Google Thinks, Works, and Shapes Our Lives (Steven Levy) (2011)
- The Filter Bubble - What the Internet is Hiding from You (Eli Pariser) (2011)
- Is the Internet Changing the Way You Think? - The Net's Impact on Our Minds and Future (John Brockman) (2011)
- Everything Is Obvious - Once You Know the Answer (Duncan J. Watts) (2011)
- Switching Codes - Thinking Through Digital Technology in the Humanities and the Arts (Thomas Bartscherer, Roderick Coover) (2011)
- The Semantic Sphere - Computation, Cognition and Information Economy (Pierre Lévy) (2011)
- Playful Teaching, Learning Games - New Tool for Digital Classrooms (Myint Swe Khine) (2011)
- The Philosophy of Information (Luciano Floridi) (2011)
- Divining a Digital Future - Mess and Mythology in Ubiquitous Computing (Paul Dourish, Genevieve Bell) (2011)
- The Systemic Dimension of Globalization (Piotr Pachura) (2011)
- Computational Logic and Human Thinking - How to be Artificially Intelligent (Robert Kowalski) (2011)
- Die Datenfresser - Wie Internetfirmen und Staat sich unsere persönlichen Daten einverleiben und wie wir die Kontrolle darüber zurückerlangen (Constanze Kurz, Frank Rieger) (2011)
- Automate This - How Algorithms Came to Rule Our World (Christopher Steiner) (2012)
- Research on e-Learning and ICT in Education (Athanassios Jimoyiannis) (2012)
- Computer Science Education 2/2012 (2012)
- Categorizing variations of student-implemented sorting algorithms (Ahmad Taherkhani, Ari Korhonen, Lauri Malmi) (2012)
- Categorizing variations of student-implemented sorting algorithms (Ahmad Taherkhani, Ari Korhonen, Lauri Malmi) (2012)
- The Death of the Internet - How it May Happen and How it Can be Stopped (Markus Jakobsson) (2012)
- The Universal Machine - From the Dawn of Computing to Digital Consciousness (Ian Watson) (2012)
- Nine Algorithms That Changed the Future - The Ingenious Ideas That Drive Today's Computers (John MacCormick) (2012)
- The Smartphone Psychology Manifesto (Geoffrey Miller) (2012)
- Möglichkeiten und Gefahren durch soziale Netzwerke, Data-Mining im Netz und Mobile Computing (Alexander Thalhammer) (2012)
- ICT - Impulse für Wirtschaft und Gesellschaft - scorecard Magazin (2012)
- The PLE Conference 2012 (Luís Francisco Pedro, Carlos Santos, Sara Almeida) (2012)
- DeLFI 2012 (Jörg Desel, Jörg M. Haake, Christian Spannagel) (2012)
- Feedback Provision Strategies in Intelligent Tutoring Systems Based on Clustered Solution Spaces (Sebastian Gross, Bassam Mokbel, Barbara Hammer, Niels Pinkwart) (2012)
- Feedback Provision Strategies in Intelligent Tutoring Systems Based on Clustered Solution Spaces (Sebastian Gross, Bassam Mokbel, Barbara Hammer, Niels Pinkwart) (2012)
- The Engine of Complexity - Evolution as Computation (John E. Mayfield) (2013)
- Predictive Analytics - The Power to Predict Who Will Click, Buy, Lie, or Die (Eric Siegel, Thomas H. Davenport) (2013)
- EmbedIT - an Open Robotic Kit for Education (Dorit Assaf) (2013)
- Computability - Turing, Godel, Church, and Beyond (Jack Copeland, Carl J. Posy, Oron Shagrir) (2013)
- Big Data - A Revolution That Will Transform How We Live, Work and Think (Viktor Mayer-Schönberger, Kenneth Cukier) (2013)
- Use of machines to grade essays stirs debate (John Markoff) (2013)
- The Future of Employment - How Susceptible are Jobs to Computerisation? (Carl Benedikt Frey, Michael A. Osborne) (2013)
- Machine Learning with R (Brett Lantz) (2013)
- Arbeitsfrei - Eine Entdeckungsreise zu den Maschinen, die uns ersetzen (Constanze Kurz, Frank Rieger) (2013)
- Big Privacy - Bridging Big Data and the Personal Data Ecosystem Through Privacy by Design (Ann Cavoukian, Drummond Reed) (2013)
- The Second Machine Age - Work, Progress, and Prosperity in a Time of Brilliant Technologies (Erik Brynjolfsson, Andrew McAfee) (2014)
- XML and Web Technologies for Data Sciences with R (Deborah Nolan, Duncan Temple Lang) (2014)
- it's complicated - the social lives of networked teens (danah boyd) (2014)
- Our Final Invention - Artificial Intelligence and the End of the Human Era (James Barrat) (2014)
- The Naked Future - What Happens in a World That Anticipates Your Every Move? (Patrick Tucker) (2014)
- Research on e-Learning and ICT in Education - Technological, Pedagogical and Instructional Perspectives (Charalampos Karagiannidis, Panagiotis Politis, Ilias Karasavvidis) (2014)
- Handbook of Research on Educational Communications and Technology - 4th edition (J. Michael Spector, M. David Merrill, Jan Elen, M. J. Bishop) (2014)
- 34. Advanced Technologies for Personalized Learning, Instruction, and Performance (Mieke Vandewaetere, Geraldine Clarebout)
- 62. Adaptive Technologies (Sabine Graf, Kinshuk)
- 34. Advanced Technologies for Personalized Learning, Instruction, and Performance (Mieke Vandewaetere, Geraldine Clarebout)
- Die 4. Revolution - Wie die Infosphäre unser Leben verändert (Luciano Floridi) (2014)
- Thinking with Data - How to Turn Information into Insights (Max Shron) (2014)
- Horizon Report 2014 - Higher Education Edition (Laurence F. Johnson, S. Adams Becker, V. Estrada, A. Freeman) (2014)
- Horizon Report 2014 K-12 Edition (Laurence F. Johnson, S. Adams Becker, V. Estrada, A. Freeman) (2014)
- Lernen mit big data (Viktor Mayer-Schönberger, Kenneth Cukier) (2014)
- Sie wissen alles - Wie intelligente Maschinen in unser Leben eindringen und warum wir für unsere Freiheit kämpfen müssen (Yvonne Hofstetter) (2014)
- Open Learning and Teaching
in Educational Communities - 9th European Conference
on Technology Enhanced Learning, EC-TEL 2014 Graz, Austria, September 16-19, 2014 (Christoph Rensing, Sara de Freitas, Tobias Ley, Pedro J. Muñoz-Merino) (2014)
- Die Zukunft der vernetzten Gesellschaft - Neue Spielregeln, neue Spielmacher (Karin Frick, Bettina Höchli) (2014)
- EiED 2014 - Proceedings (Johanna Pirker, Martin Ebner, Kai Erenli, Rainer Malaka, Aaron Walsh) (2014)
- Vielfalt der Informatik (Anja Zeising, Claude Draude, Heidi Schelhowe, Susanne Maass) (2014)
- Die Informatisierung der Lebenswelt - Der Strategiewandel algorithmischer Alltagsbewältigung (Hans D. Hellige)
- Die Informatisierung der Lebenswelt - Der Strategiewandel algorithmischer Alltagsbewältigung (Hans D. Hellige)
- Setting Learning Analytics in Context - Overcoming the Barriers to Large-Scale Adoption (Rebecca Ferguson, Leah P. Macfadyen, Doug Clow, Belinda Tynan, Shirley Alexander, Shane Dawson) (2015)
- Data Science in R - A Case Studies Approach to Computational Reasoning and Problem Solving (Deborah Nolan, Duncan Temple Lang) (2015)
- The Onlife Manifesto - Being Human in a Hyperconnected Era (Luciano Floridi) (2015)
- When Computers Can Think - The Artificial Intelligence Singularity (Anthony Berglas) (2015)
- The Master Algorithm - How the Quest for the Ultimate Learning Machine Will Remake Our World (Pedro Domingos) (2015)
- Inventing the Future - Postcapitalism and a World Without Work (Nick Srnicek, Alex Williams) (2015)
- Deep Learning in Neural Networks - An Overview (Preprint) (Jürgen Schmidhuber) (2015)
- Cognitive Computing and Big Data Analytics (Judith S. Hurwitz, Marcia Kaufman, Adrian Bowles) (2015)
- Data-Ism - The Revolution Transforming Decision Making, Consumer Behavior, and Almost Everything Else (Steve Lohr) (2015)
- Des Googles Kern und andere Spinnennetze - Die Architektur der digitalen Gesellschaft (Arno Rolf, Arno Sagawe) (2015)
- Cyber-Proletariat - Global Labour in the Digital Vortex (Nick Dyer-Witheford) (2015)
- GlobalLit - A Platform for Collecting, Analyzing, and Reacting to Children's Usage Data on Tablet Computers (David S. Nuniez) (2015)
- Mastering Social Media Mining with R - Extract valuable data from your social media sites and make better business decisions using R (Sharan Kumar Ravindran, Vikram Garg) (2015)
- ICER 2015 - Proceedings of the eleventh annual International Conference on International Computing Education Research, ICER 2015, Omaha, NE, USA, August 09 - 13, (Brian Dorn, Judy Sheard, Quintin I. Cutts) (2015)
- Exploring Machine Learning Methods to Automatically Identify Students in Need of Assistance (Alireza Ahadi, Raymond Lister, Heikki Haapala, Arto Vihavainen) (2015)
- Exploring Machine Learning Methods to Automatically Identify Students in Need of Assistance (Alireza Ahadi, Raymond Lister, Heikki Haapala, Arto Vihavainen) (2015)
- The Future of the Professions - How Technology Will Transform the Work of Human Experts (Richard Susskind, Daniel Susskind) (2016)
- Economics and Computation - An Introduction to Algorithmic Game Theory, Computational Social Choice, and Fair Division (Jörg Rothe) (2016)
- Only Humans Need Apply - Winners and Losers in the Age of Smart Machines (Thomas H. Davenport, Julia Kirby) (2016)
- The Future of Jobs - Employment, Skills and Workforce Strategy for the Fourth Industrial Revolution (World Economic Forum (WEF)) (2016)
- c't 6/2016 (2016)
- Die KI-Revolution (Jo Bager)
- KI-Werkbank - Analysemodelle zusammenklicken mit Microsoft Azure Machine Learning Studio (Andrea Trinkwalder, Jo Bager) (2016)
- Die KI-Revolution (Jo Bager)
- Interactive Machine Learning (iML) (2016)
- Didaktik der Informatik (Eckart Modrow, Kerstin Strecker) (2016)
- 3. Informatik und Gesellschaft
- 3. Informatik und Gesellschaft
- Smarte Maschinen - Wie künstliche Intelligenz unser Leben verändert (Ulrich Eberl) (2016)
- Revolutionizing Education with Digital Ink - The Impact of Pen and Touch Technology on Education (Tracy Hammond, Stephanie Valentine, Aaron Adler) (2016)
- 7. Leveraging Trends in Student Interaction to Enhance the Effectiveness of Sketch-Based Educational Software (Seth Polsley, Jaideep Ray, Trevor Nelligan, Michael Helms, Julie Linsey, Tracy Hammond)
- 7. Leveraging Trends in Student Interaction to Enhance the Effectiveness of Sketch-Based Educational Software (Seth Polsley, Jaideep Ray, Trevor Nelligan, Michael Helms, Julie Linsey, Tracy Hammond)
- The AI Now Report - The Social and Economic Implications of Artificial Intelligence Technologies in the Near-Term (Kate Crawford, Meredith Whittaker) (2016)
- There is a blind spot in AI research (Kate Crawford, Ryan Calo) (2016)
- Misconceptions About Computer Science (Peter Denning, Matti Tedre, Pat Yongpradit) (2017)
- Unsere digitale Zukunft - In welcher Welt wollen wir leben? (Carsten Könneker) (2017)
- 10. Die Digitalisierung der Gesellschaft geht uns alle an! (Matthias Hein)
- 10. Die Digitalisierung der Gesellschaft geht uns alle an! (Matthias Hein)
- Data for the People - Wie wir die Macht über unsere Daten zurückerobern (Andreas Weigend) (2017)
- The Dark Secret at the Heart of AI (Will Knigh) (2017)
- Nicht nachdenken, programmieren! (Adrian Lobe) (2017)
- Machine Platform Crowd - Wie wir das Beste aus unserer digitalen Zukunft machen (Andrew McAfee, Erik Brynjolfsson) (2017)
- 3. Maschinen, die fast wie ein Gehirn funktionieren
- 8. Angebot und Nachfrage: Der Vorteil der Plattformen
- 10. Das ist aber schnell eskaliert: Das Entstehen der Crowd
- The mostly complete chart of Neural Networks, explained (Andrew Tch) (2017)
- Life 3.0 - Being Human in the Age of Artificial Intelligence (Max Tegmark) (2017)
- «Die Digitalisierung macht uns Menschen noch mächtiger» (Michael Hengartner, Lino Guzzella, Peer Teuwsen) (2017)
- Elements of Robotics (Mordechai Ben-Ari, Francesco Mondada) (2017)
- Notions of disruption - A collection of exploratory studies written and commissioned by the Swiss Science and Innovation Council SSIC (Schweizerischer Wissenschafts- und Innovationsrat) (2017)
- 3. Digital competences - Paper commissioned by the Swiss Science and Innovation Council SSIC (Sabine Seufert) (2017)
- 3. Digital competences - Paper commissioned by the Swiss Science and Innovation Council SSIC (Sabine Seufert) (2017)
- The AI Advantage - How to Put the Artificial Intelligence Revolution to Work (Thomas H. Davenport) (2018)
- Wo Maschinen irren können - Verantwortlichkeiten und Fehlerquellen in Prozessen algorithmischer Entscheidungsfindung (Katharina A. Zweig, Sarah Fischer, Konrad Lischka) (2018)
- Ein unschweizerisches Papier (Adrienne Fichter) (2018)
- Deep/Fakes - Warum man keinem Video trauen kann - und was das Ganze mit Pornos zu tun hat (Themenspezial der c't 8/2018) (2018)
- c't 8/2018 - Spezialthema Deepfakes (2018)
- Schulblatt Thurgau 2/2018 (2018)
- Die Schule der Zukunft und der Sprung ins digitale Zeitalter - Wie sieht eine zukunftsfähige Lernkultur aus, in der die Nutzung digitaler Technologien eine Selbstverständlichkeit ist? (Dominik Petko) (2017)
- Die Schule der Zukunft und der Sprung ins digitale Zeitalter - Wie sieht eine zukunftsfähige Lernkultur aus, in der die Nutzung digitaler Technologien eine Selbstverständlichkeit ist? (Dominik Petko) (2017)
- Was bei Algorithmen hinten herauskommt, weiss niemand so genau - und warum, noch viel weniger (Anna Jobin) (2018)
- Der Roboter-Anwalt ist da (Barnaby Skinner) (2018)
- Deep Fakes: A Looming Challenge for Privacy, Democracy, and National Security (Bobby Chesney, Danielle Citron) (2018)
- Learning to Save the Future - Rethinking Education and Work in an Era of Digital Capitalism (Alexander J. Means) (2018)
- Zuckerbrot und Peitsche - Einer selbst gebauten KI per verstärkendem Lernen beibringen Pong zu spielen (Sebastian Stabinger) (2018)
- How Machine Learning impacts the Undergraduate Computing Curriculum (R. Benjamin Shapiro, Rebecca Fiebrink, Peter Norvig) (2018)
- Neuronale Denkfehler - Künstliche Intelligenz: zu naiv, um schlau zu sein (Schwerpunktthema c't 24/18) (2018)
- Irren ist künstlich - Wo künstliche Intelligenz noch schwächelt (Andrea Trinkwalder)
- Irren ist künstlich - Wo künstliche Intelligenz noch schwächelt (Andrea Trinkwalder)
- Digitale Transformation - Beiträge zur Lehrerinnen- und Lehrerbildung 2/2018 (2018)
- Digitale Transformation in Bildung und Schule - Facetten, Entwicklungslinien und Herausforderungen für die Lehrerinnen- und Lehrerbildung (Dominik Petko, Beat Döbeli Honegger, Doreen Prasse) (2018)
- Digitale Transformation in Bildung und Schule - Facetten, Entwicklungslinien und Herausforderungen für die Lehrerinnen- und Lehrerbildung (Dominik Petko, Beat Döbeli Honegger, Doreen Prasse) (2018)
- Possible Minds - 25 Ways of Looking at AI (John Brockman) (2019)
- Hello World 7 (2019)
- Clever Cat Machine Learning in Scratch (David Horton) (2019)
- Clever Cat Machine Learning in Scratch (David Horton) (2019)
- Digitalisierung – Nicht nur irgendwas mit Medien - Schule leiten | Ausgabe Nr. 17/2019 (2019)
- Kompetenzen im digitalen Zeitalter - Was Schülerinnen und Schüler jetzt lernen sollten (Diana Knodel, Philipp Knodel)
- Kompetenzen im digitalen Zeitalter - Was Schülerinnen und Schüler jetzt lernen sollten (Diana Knodel, Philipp Knodel)
- «Die Angst vor künstlicher Intelligenz ist Stoff für Hollywood» (Garri Kasparow, Joachim Laukenmann) (2019)
- SIGCSE 2019 - Proceedings of the 50th ACM Technical Symposium on Computer Science Education, SIGCSE 2019, Minneapolis, MN, USA, February 27 - March 02, 2019 (Elizabeth K. Hawthorne, Manuel A. Pérez-Quiñones, Sarah Heckman, Jian Zhang 0036) (2019)
- Harnessing the Wisdom of the Classes - Classsourcing and Machine Learning for Assessment Instrument Generation (Sam Saarinen, Shriram Krishnamurthi, Kathi Fisler, Preston Tunnell Wilson) (2019)
- Special Session - AI for K-12 Guidelines Initiative (David S. Touretzky, Fred Martin, Deborah W. Seehorn, Cynthia Breazeal, Tess Posner) (2019)
- Harnessing the Wisdom of the Classes - Classsourcing and Machine Learning for Assessment Instrument Generation (Sam Saarinen, Shriram Krishnamurthi, Kathi Fisler, Preston Tunnell Wilson) (2019)
- Digitalisierungsstrategie entwickeln und umsetzen: Ein Praxisratgeber zur Entwicklung und Umsetzung der Digitalisierungsstrategie für die digitale Transformation (German Edition) - Ein Praxisratgeber zur Entwicklung und Umsetzung der Digitalisierungsstrategie für die digitale Transformation (David Theil) (2019)
- Machine behaviourism - future visions of ‘learnification’ and ‘datafication’ across humans and digital technologies (Jeremy Knox, Ben Williamson, Siân Bayne) (2019)
- ICER 2019 - Proceedings of the 2019 ACM Conference on International Computing Education Research, ICER 2019, Toronto, ON, Canada, August 12-14, 2019 (Robert McCartney, Andrew Petersen, Anthony V. Robins, Adon Moskal) (2019)
- Machine Learning Education for Young People without Programming Experience - Doctoral Consortium Abstract (Abigail Zimmermann-Niefield) (2019)
- Machine Learning Education for Young People without Programming Experience - Doctoral Consortium Abstract (Abigail Zimmermann-Niefield) (2019)
- «News verzerren die Realität» (Rolf Dobelli, Linus Schöpfer) (2019)
- Ansturm der Algorithmen - Die Verwechslung von Urteilskraft mit Berechenbarkeit (Wolf Zimmer) (2019)
- DELFI 2019 (Niels Pinkwart, Johannes Konert) (2019)
- Diskriminierungsrisiken durch Verwendung von Algorithmen - Eine Studie, erstellt mit einer Zuwendung der Antidiskriminierungsstelle des Bundes. (Carsten Orwat) (2019)
- The Democratization of Artificial Intelligence - Net Politics in the Era of Learning Algorithms (Andreas Sudmann) (2019)
- Gutachten der Datenethikkommission (dek Datenethikkommission) (2019)
- EDUsummIT2019 - Learners and learning contexts: New alignments for the digital age (2019)
- Wie Maschinen lernen - Künstliche Intelligenz verständlich erklärt (Kristian Kersting, Christoph Lampert, Constantin Rothkopf) (2019)
- 1. Einleitung (Jannik Kossen, Fabrizio Kuruc, Maike Elisa Müller)
- 2. Algorithmen (Nicolas Berberich)
- 3. Maschinelles Lernen - Wie sich Computer an Probleme anpassen (Michael Krause, Elena Natterer)
- 23. No Free Lunch Theorem (Maike Elisa Müller)
- 30. Schlusswort (Jannik Kossen, Maike Elisa Müller, Elena Natterer)
- 1. Einleitung (Jannik Kossen, Fabrizio Kuruc, Maike Elisa Müller)
- Herausforderungen der künstlichen Intelligenz - Bericht der interdepartementalen Arbeitsgruppe «Künstliche Intelligenz» an den Bundesrat (Interdepartementale Arbeitsgruppe künstliche Intelligenz) (2019)
- Diginomics verstehen - Ökonomie im Licht der Digitalisierung (Thieß Petersen) (2020)
- Intelligenztest für KI - Wie sich KI-Entscheidungen überprüfen lassen (Arne Grävemeyer) (2020)
- Jahrbuch Medienpädagogik 17 - Lernen mit und über Medien in einer digitalen Welt (Klaus Rummler, Ilka Koppel, Sandra Aßmann, Patrick Bettinger, Karsten D. Wolf) (2020)
- Engines of Order - A Mechanology of Algorithmic Techniques (Bernhard Rieder) (2020)
- LOG IN 193/194 2020 - Künstliche Intelligenz und Unterricht (2020)
- Non-Formal and Informal Science Learning in the ICT Era (Michail N. Giannakos) (2020)
- 7. Games for Artificial Intelligence and Machine Learning Education - Review and Perspectives (Michail N. Giannakos, Iro Voulgari, Sofia Papavlasopoulou, Zacharoula Papamitsiou, Georgios Yannakakis)
- 7. Games for Artificial Intelligence and Machine Learning Education - Review and Perspectives (Michail N. Giannakos, Iro Voulgari, Sofia Papavlasopoulou, Zacharoula Papamitsiou, Georgios Yannakakis)
- Image Representations Learned With Unsupervised Pre-Training Contain Human-like Biases (Ryan Steed, Aylin Caliskan) (2021)