Advertisement

Algorithmik und Artificial Intelligence

Chapter
  • 10k Downloads

Zusammenfassung

Daten – ob small, big oder smart – bringen per se keinen Mehrwert. Erst Algorithmen, seien es einfach vordefinierte Mechanismen oder selbstlernende Systeme, können aus den Daten Werte schaffen. Im Gegensatz zu Big Data haben also Algorithmen einen echten Wert. Dynamische Algorithmen stehen im Mittelpunkt des zukünftigen digitalen Geschäfts. Algorithmen werden also zur Auswertung von in starkem Maße zunehmenden Datenmengen immer wichtiger. Dieses Kapitel widmet sich der „Macht“ und zunehmenden Bedeutung und Relevanz von Algorithmen, unternimmt einen Definitionsversuch, untersucht Erfolgsfaktoren und Treiber von AI und wirft weiterhin einen Blick auf die historische Entwicklung der Künstlichen Intelligenz von den ersten Arbeiten bis heute. Abschließend werden die wesentlichen Methoden und Technologien für das AI Business Framework vorgestellt und erklärt.

Literatur

  1. Klug, Andreas 2016. Assessment. Lexikon der Management-Diagnostik. http://www.klug-md.de/Wissen/Lexikon.htm Zugegriffen: 10. Juli 2017.
  2. Rich, Elaine., Knight, Kevin, Nair, hivashankar B 2009. Artificial Intelligence. Third Edition. Publisher: Tata McGraw-Hill Education Pvt. Ltd.Google Scholar
  3. Statista (2016). Most popular mobile messaging apps worldwide as of April 2016, based on number of monthly active users (in millions). https://www.statista.com/statistics/258749/most-popular-global-mobile-messenger-apps/. Zugegriffen: 5. Januar 2017.
  4. Turing, Alan (1948); „Intelligent machinery“ Berlin: Springer-Verlag, 1982.Google Scholar
  5. McCulloch, WARREN S/ Pitts, WALTER (1943); „A logical calculus of the ideas immanent in nervous activity.“; Bulletin of Mathematical Biophysics.CrossRefGoogle Scholar
  6. Russell, Stuart J. Norvig, Peter2012/2016; „Artificial Intelligence – A Modern Approach“; Pearson Education.Google Scholar
  7. Nilsson, Nils J.2012); Artificial Intelligence – A New Synthesis; Elsevie.Google Scholar
  8. Newell, Simon, (1976); „Computer Science as Empirical Inquiry: Symbols and Search“; ACM Turing.Google Scholar
  9. Witten, Ían H. (2011); „Data Mining: Practical Machine Learning Tools and Techniques“; Morgan Kaufmann Series.Google Scholar
  10. Fayyad, Usama/ Piatetsky-Shapiro, Gregory/Smyth, Padhraic 1996); „From Data Mining to Knowledge Engineering in Databases“; AI Magazine.Google Scholar
  11. Berners-Lee, Tim (2001); „The Semantic Web“; Scientific American.CrossRefGoogle Scholar
  12. Mitchell, Tom M., Machine Learning Publisher: McGraw-Hill Education; 1 edition (March 1, 1997).Google Scholar
  13. Durkin, John (1994); Expert Systems – Design and Development; Macmillan.Google Scholar
  14. Winston, Horn, (1989); LISP; Addison-Wesley Pub. Co.Google Scholar
  15. Puppe, Frank (1988); Einführung in Expertensysteme; Springer.Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2019

Authors and Affiliations

  1. 1.Business Intelligence GroupFrankfurtDeutschland

Personalised recommendations