Tag 1: Künstliche Intelligenz und Maschinelles Lernen

• KI-Welten: https://welten.ki.nrw/
• Jamboard: https://jamboard.google.com/d/1hOuge2y-QVzpYOlBa5EbJZF8UhZdSat0xheTdENrSgk/edit?usp=sharing
• Boston Dynamics: Video von Boston Dynamcis: https://www.youtube.com/watch?v=fn3KWM1kuAw
• Roboter-Training: https://www.youtube.com/watch?v=R-PdPtqw78k
• ChatGPT: https://kimschat-b4jrgupfva-nw.a.run.app
  Username: kimachtschule
  PW: &l9s/hdAa1b
• Geschichte der KI: https://www.youtube.com/watch?v=09LotPHTZtU
• Simple Networks: https://www.imaginary.org/program/simple-networks
• Handout: http://handout.ki-macht-schule.de/

• Jupyter Notebooks: 
  https://kurs.ki-macht-schule.de/
  Usernamen: kimachtschule01 ... kimachtschule50
  Passwort:  KI im Schuljahr 2022/23!
• Teachable Machine: https://teachablemachine.withgoogle.com/train/image 
• Verkehrsschilder: https://ki-macht-schule.github.io/signs/ 
• Übergangshäufigkeiten: https://public.3.basecamp.com/p/SKN3FAVkv8vt9n3EMzPi3Yqi
• Funktion und Begriffe des Reinforcement Learning: https://public.3.basecamp.com/p/gvxAwDB1cUsEPRTbZ5cMN1hy
• KI-Tools Online:
  1. https://quickdraw.withgoogle.com/#
  2. https://this-person-does-not-exist.com/en
  3. https://style-transfer.glitch.me/
  4. https://www.cleverbot.com/
  5. https://soundraw.io/
  6. https://app.inferkit.com/demo
  7. https://www.wombo.art/create

• Video zu Moral Machine: https://www.youtube.com/watch?v=ltF3kKY073A&t=2271s
• Moral Machine: https://www.moralmachine.net/hl/de
• KI-City: https://public.3.basecamp.com/p/hSr5uFvfqHeA9aVYyZg7XpRy

Tag 2: Einführung in die Datenanalyse

• Guide to Intelligent Data Analysis [Buch]
• Tableau-Help
• Stairway to hell [Blogpost], The Club 27 [Blogpost], Music to die for [Blogpost], Life expectancy and cause of death in popular musicians [Paper], Case Study - Musicians and mortality [Blogpost]
• Video "Wenn Zahlen lügen"
• Video "Climate spiral"
• Kaggle: https://www.kaggle.com/
• Offene Daten: https://offenedaten-konstanz.de/

Tag 2: Autonome Systeme und Reinforcement Learning

• Comma AI: 
  • Drive to Taco Bell, End2End-Learning, EfficientNet [Paper], Trajectory Predictions [Paper], Testing OpenPilot [Paper]
• Tesla
  • Szenen Demo: https://www.youtube.com/watch?v=tpTGy2SKURM und https://www.youtube.com/watch?v=wQkXcySUnJk
  • AI Day, RegNet [Paper], Trust in Autonomous Vehicles [Paper]

• Atari Games by DeepMind:
  • https://www.youtube.com/watch?v=W2CAghUiofY
  • https://www.youtube.com/watch?v=XMo0899Nz7o
  • https://www.youtube.com/watch?v=V1eYniJ0Rnk
• Human Dynamics from Monocular Video with Dynamic Camera Movements
  • Original Paper [Paper], Zusammenfassung

Tag 3: Recommender Systems

• Hauptfoliensatz der Seminarsitzung
• Umfassendes Lehrbuch von Aggarwal (2016) https://link.springer.com/book/10.1007/978-3-319-29659-3

• Matrix-Faktorisierung (Paper des Gewinnerteams der Netflix Challenge): https://datajobs.com/data-science-repo/Recommender-Systems-[Netflix].pdf
• Matrix-Faktorisierung (didaktisch reduziert): https://link.springer.com/article/10.1007/s00591-021-00310-x 
• Insight vom Gewinnerteam des Netflix-Preises: https://www.youtube.com/watch?v=ImpV70uLxyw
• Nachbarschaftsmethoden: https://www.researchgate.net/publication/2369002_Item-based_Collaborative_Filtering_Recommendation_Algorithms
• Verschiedene Methoden angewandt auf Netflix Datensatz: https://arxiv.org/pdf/1207.5649.pdf 

• Netflix Preis: https://arxiv.org/abs/cs/0610105 

• Jupyter Notebooks:
  https://jupyterhub.cammp.online
  Usernamen: cammp_BeliebigesPseudonym
  Passwort: beliebig
• Slides zur Netflix Challenge