DI Dr. techn. Mugdim Bublin
Lehre und Forschung
Stadt Wien Stiftungsprofessur für Artificial Intelligence
mugdim.bublin@fh-campuswien.ac.at
+43 1 606 68 77-2133
+43 1 606 68 77-2139
Raum: B.3.14
Favoritenstraße 226
1100 Wien
Lehrveranstaltungen 2022/23
Technik
Introduction to AI and Data Science ILV
Vortragende: DI Dr. techn. Mugdim Bublin, René Goldschmid, MSc, Matthias Schmid-Kietreiber, Dr. Christian Steineder
Lehrinhalte
- Mathematical Basics of AI and Data Science- Linear Algebra
- Probability Theory and Statistics
- Optimization
- Introduction to Artificial Intelligence- Problem Solving and Heuristic Search
- Logic and Knowledge Representation
- Planning, Learning and Decision Making under Uncertainty
- Data Science and Machine Learning Fundamentals- Data Collection, Cleaning, Filtering
- Model Building
- Model Evaluation
- Definition of Machine Learning and classes of Machine Learning Algorithms
- Machine Learning Classifiers
- Evaluation of Machine Learning Algorithms
Prüfungsmodus
Immanente Leistungsüberprüfung
- Project work
- Exercises during lectures
- Final written exam
Lehr- und Lernmethode
- Lecture
- Group work (project)
- Practical exercises
- Continuous Discussion and feedback
Sprache
Englisch
Advanced AI and Data Science ILV
Vortragende: DI Dr. techn. Mugdim Bublin, Dr. Christian Steineder
Lehrinhalte
- Deep Learning Foundation- Motivation and basic ideas
- Basic principles behind algorithms
- Deep Learning Algorithms and Networks- Convolutional Neuronal Networks (CNN)
- Recurrent Neural Networks (RNN)
- Generative Neural Networks (GAN, Autoencoders)
- Reinforcement Learning (Deep QNet)
- Applications of Deep Learning and Artificial Intelligence for- Medicine, IoT, Industry 4.0, Autonomous Driving, Games etc.
Prüfungsmodus
Immanente Leistungsüberprüfung
- Project work
- Exercises during lectures
- Final written exam
Lehr- und Lernmethode
- Lecture
- Group work (project)
- Practical exercises
- Continuous Discussion and feedback
Sprache
Englisch
Bachelorarbeit 1 SE
Vortragende: DI Dr. techn. Mugdim Bublin, Tobias Buchberger, BSc MSc, FH-Prof. DI Thomas Fischer, Leon Freudenthaler, BSc MSc, René Goldschmid, MSc, FH-Prof. FH-Hon.Prof. Priv.-Doz. Mag. DI. DI. Dr.techn. Karl Michael Göschka, FH-Prof. Dipl.-Ing. Heimo Hirner, FH-Prof. Dipl.-Ing. Manuel Koschuch, Bakk. tech., Ines Kramer, BSc MSc, Dipl.-Ing. Georg Mansky-Kummert, FH-Prof. DI Dr. Igor Miladinovic, Silvia Schmidt, BSc MSc, Bernhard Taufner, BSc, MSc
Lehrinhalte
- Selbstständige Bearbeitung einer fachlich relevanten Thematik basierend auf den technischen Themen der Wahlpflichtmodule im 4. und 5. Semester auf wissenschaftlichem Niveau unter Anleitung einer Betreuerin/eines Betreuers
- Ausarbeitung der Bachelorarbeit 1
Prüfungsmodus
Endprüfung
Approbation der Bachelorarbeit
Lehr- und Lernmethode
Durchführung einer praktischen Arbeit und Ausarbeitung als Bachelorarbeit mit Coaching. Studierende präsentieren in regelmäßigen Abständen die aktuelle Fortentwicklung ihrer Bachelorarbeit 1 und stellen diese zur Diskussion.
Sprache
Deutsch
Wahlfach-Projekt 2 UE
Vortragende: DI Dr. techn. Mugdim Bublin, FH-Prof. DI Thomas Fischer, Leon Freudenthaler, BSc MSc, FH-Prof. FH-Hon.Prof. Priv.-Doz. Mag. DI. DI. Dr.techn. Karl Michael Göschka, Ines Kramer, BSc MSc, Dipl.-Ing. Georg Mansky-Kummert, FH-Prof. DI Dr. Igor Miladinovic, Silvia Schmidt, BSc MSc, Bernhard Taufner, BSc, MSc
Lehrinhalte
Die Studierenden wenden die erworbenen Fähigkeiten an, um ein Projekt koordiniert und strukturiert
abzuwickeln. Dabei definieren sie sich selbständig ein konkretes Teilziel im Projekt. Fundiertes theoretisches Vorgehen wird somit mit praktischer Anwendung kombiniert angewendet. Die Mitarbeit an einem industriellen F&E Projekt bzw. an aktuellen Problemstellung im Rahmen der F&E Tätigkeit der FH ist möglich.
Prüfungsmodus
Endprüfung
Praktisches Projekt in der Kleingruppe
Lehr- und Lernmethode
Gruppenarbeiten, praktische Projektumsetzung begleitet mit Übungen und Coaching.
Sprache
Deutsch
Bachelorarbeit 2 SE
Vortragende: DI Dr. techn. Mugdim Bublin, Tobias Buchberger, BSc MSc, FH-Prof. DI Thomas Fischer, Leon Freudenthaler, BSc MSc, René Goldschmid, MSc, FH-Prof. FH-Hon.Prof. Priv.-Doz. Mag. DI. DI. Dr.techn. Karl Michael Göschka, FH-Prof. Dipl.-Ing. Heimo Hirner, FH-Prof. Dipl.-Ing. Manuel Koschuch, Bakk. tech., Ines Kramer, BSc MSc, Dipl.-Ing. Georg Mansky-Kummert, FH-Prof. DI Dr. Igor Miladinovic, Silvia Schmidt, BSc MSc, Bernhard Taufner, BSc, MSc
Lehrinhalte
- Selbstständige Bearbeitung einer fachlich relevanten Thematik basierend auf den technischen Themen der Wahlpflichtmodule und eventeuell der Bachelorarbeit 1 auf wissenschaftlichem Niveau unter Anleitung einer Betreuerin/eines Betreuers
- Ausarbeitung der Bachelorarbeit 2
Prüfungsmodus
Endprüfung
Approbation der Bachelorarbeit
Lehr- und Lernmethode
Durchführung einer praktischen Arbeit und Ausarbeitung als Bachelorarbeit mit Coaching. Studierende präsentieren in regelmäßigen Abständen die aktuelle Fortentwicklung ihrer Bachelorarbeit 2 und stellen diese zur Diskussion.
Sprache
Deutsch
Introduction to AI and Data Science ILV
Vortragende: DI Dr. techn. Mugdim Bublin, René Goldschmid, MSc, Matthias Schmid-Kietreiber, Dr. Christian Steineder
Lehrinhalte
- Mathematical Basics of AI and Data Science- Linear Algebra
- Probability Theory and Statistics
- Optimization
- Introduction to Artificial Intelligence- Problem Solving and Heuristic Search
- Logic and Knowledge Representation
- Planning, Learning and Decision Making under Uncertainty
- Data Science and Machine Learning Fundamentals- Data Collection, Cleaning, Filtering
- Model Building
- Model Evaluation
- Definition of Machine Learning and classes of Machine Learning Algorithms
- Machine Learning Classifiers
- Evaluation of Machine Learning Algorithms
Prüfungsmodus
Immanente Leistungsüberprüfung
- Project work
- Exercises during lectures
- Final written exam
Lehr- und Lernmethode
- Lecture
- Group work (project)
- Practical exercises
- Continuous Discussion and feedback
Sprache
Englisch
Advanced AI and Data Science ILV
Vortragende: DI Dr. techn. Mugdim Bublin, Dr. Christian Steineder
Lehrinhalte
- Deep Learning Foundation- Motivation and basic ideas
- Basic principles behind algorithms
- Deep Learning Algorithms and Networks- Convolutional Neuronal Networks (CNN)
- Recurrent Neural Networks (RNN)
- Generative Neural Networks (GAN, Autoencoders)
- Reinforcement Learning (Deep QNet)
- Applications of Deep Learning and Artificial Intelligence for- Medicine, IoT, Industry 4.0, Autonomous Driving, Games etc.
Prüfungsmodus
Immanente Leistungsüberprüfung
- Project work
- Exercises during lectures
- Final written exam
Lehr- und Lernmethode
- Lecture
- Group work (project)
- Practical exercises
- Continuous Discussion and feedback
Sprache
Englisch
Bachelorarbeit 1 SE
Vortragende: DI Dr. techn. Mugdim Bublin, Tobias Buchberger, BSc MSc, Leon Freudenthaler, BSc MSc, René Goldschmid, MSc, FH-Prof. FH-Hon.Prof. Priv.-Doz. Mag. DI. DI. Dr.techn. Karl Michael Göschka, FH-Prof. Dipl.-Ing. Heimo Hirner, FH-Prof. Dipl.-Ing. Manuel Koschuch, Bakk. tech., Ines Kramer, BSc MSc, FH-Prof.in Mag.a Dr.in Sigrid Schefer-Wenzl, MSc BSc, Dr. Christian Steineder, Bernhard Taufner, BSc, MSc, Sebastian Ukleja, BSc
Lehrinhalte
- Selbstständige Bearbeitung einer fachlich relevanten Thematik, primär basierend auf den technischen Themen der Wahlpflichtmodule im 4. und 5. Semester auf wissenschaftlichem Niveau unter Anleitung einer Betreuerin/eines Betreuers
- Ausarbeitung der Bachelorarbeit 1
Prüfungsmodus
Endprüfung
Approbation der Bachelorarbeit
Lehr- und Lernmethode
Durchführung einer praktischen Arbeit und Ausarbeitung als Bachelorarbeit mit Coaching. Studierende präsentieren in regelmäßigen Abständen die aktuelle Fortentwicklung ihrer Bachelorarbeit 1 und stellen diese zur Diskussion.
Sprache
Deutsch
Wahlfach-Projekt 2 UE
Vortragende: DI Dr. techn. Mugdim Bublin, Leon Freudenthaler, BSc MSc, René Goldschmid, MSc, FH-Prof. FH-Hon.Prof. Priv.-Doz. Mag. DI. DI. Dr.techn. Karl Michael Göschka, FH-Prof. Dipl.-Ing. Heimo Hirner, Ines Kramer, BSc MSc, FH-Prof.in Mag.a Dr.in Sigrid Schefer-Wenzl, MSc BSc, Silvia Schmidt, BSc MSc, Dr. Christian Steineder, Bernhard Taufner, BSc, MSc, Sebastian Ukleja, BSc
Lehrinhalte
Die Studierenden wenden die erworbenen Fähigkeiten an, um ein Projekt koordiniert und strukturiert
abzuwickeln. Dabei definieren sie sich selbständig ein konkretes Teilziel im Projekt. Fundiertes theoretisches Vorgehen wird somit mit praktischer Anwendung kombiniert angewendet. Die Mitarbeit an einem industriellen F&E Projekt bzw. an aktuellen Problemstellung im Rahmen der F&E Tätigkeit der FH ist möglich.
Prüfungsmodus
Endprüfung
Praktisches Projekt in der Kleingruppe
Lehr- und Lernmethode
Gruppenarbeiten, praktische Projektumsetzung begleitet mit Übungen und Coaching.
Sprache
Deutsch
Bachelorarbeit 2 SE
Vortragende: DI Dr. techn. Mugdim Bublin, Tobias Buchberger, BSc MSc, Leon Freudenthaler, BSc MSc, René Goldschmid, MSc, FH-Prof. FH-Hon.Prof. Priv.-Doz. Mag. DI. DI. Dr.techn. Karl Michael Göschka, FH-Prof. Dipl.-Ing. Heimo Hirner, FH-Prof. Dipl.-Ing. Manuel Koschuch, Bakk. tech., Ines Kramer, BSc MSc, FH-Prof.in Mag.a Dr.in Sigrid Schefer-Wenzl, MSc BSc, Dr. Christian Steineder, Bernhard Taufner, BSc, MSc, Sebastian Ukleja, BSc
Lehrinhalte
- Selbstständige Bearbeitung einer fachlich relevanten Thematik basierend auf den technischen Themen der Wahlpflichtmodule und eventeuell der Bachelorarbeit 1 auf wissenschaftlichem Niveau unter Anleitung einer Betreuerin/eines Betreuers
- Ausarbeitung der Bachelorarbeit 2
Prüfungsmodus
Endprüfung
Approbation der Bachelorarbeit
Lehr- und Lernmethode
Durchführung einer praktischen Arbeit und Ausarbeitung als Bachelorarbeit mit Coaching. Studierende präsentieren in regelmäßigen Abständen die aktuelle Fortentwicklung ihrer Bachelorarbeit 2 und stellen diese zur Diskussion.
Sprache
Deutsch
Software Engineering Project 1 UE
Vortragende: DI Dr. techn. Mugdim Bublin, Leon Freudenthaler, BSc MSc, FH-Prof. FH-Hon.Prof. Priv.-Doz. Mag. DI. DI. Dr.techn. Karl Michael Göschka, FH-Prof. Dipl.-Ing. Heimo Hirner, FH-Prof. DI Dr. Igor Miladinovic, FH-Prof.in Mag.a Dr.in Sigrid Schefer-Wenzl, MSc BSc, Bernhard Taufner, BSc, MSc, Julia Teissl, BSc MSc
Lehrinhalte
Software Engineering Projekt 1 ermöglicht Studierenden, das im Studium erworbene Wissen in einem konkreten Projekt umzusetzen. Im ersten Semester wird ein konkretes Problem analysiert und unter Anwendung von Methoden des Advanced Projektmanagements ein Design für die Software Lösung ausgearbeitet. Diese Lösung wird dann im Software Projekt im zweiten Semester implementiert.
Die LV deckt insbesondere die folgenden Inhalte ab:
- Anwendung vom modernen Projektmanagementmethoden an einem konkreten Projekt
- Formulierung, Klassifizierung und Priorisierung von Requirements für eine konkrete Problemstellung
- Verwendung von UML Diagrammen (Use Case, Klassen-, Aktivitäts- und Sequenzdiagrammen) für Software Design Entwurf, um Requirements zu erfüllen
- Strukturierte und standardisierte Dokumentation von Ergebnissen als ein High Level Design Dokument, das als Basis für die Implementierung dient.
Prüfungsmodus
Modulprüfung
Lehr- und Lernmethode
Gruppenarbeiten, praktische Projektumsetzung begleitet mit Übungen und Coaching
Sprache
Deutsch
Software Engineering Project 2 UE
Vortragende: DI Dr. techn. Mugdim Bublin, Leon Freudenthaler, BSc MSc, FH-Prof. FH-Hon.Prof. Priv.-Doz. Mag. DI. DI. Dr.techn. Karl Michael Göschka, FH-Prof. Dipl.-Ing. Heimo Hirner, FH-Prof. DI Dr. Igor Miladinovic, FH-Prof.in Mag.a Dr.in Sigrid Schefer-Wenzl, MSc BSc, Bernhard Taufner, BSc, MSc, Julia Teissl, BSc MSc
Lehrinhalte
Software Engineering Projekt 2 ermöglicht Studierenden, das im Studium erworbene Wissen in einem konkreten Projekt umzusetzen. Im zweiten Semester wird ausgehend von Anforderungen und Designentwurf aus dem Software Design Projekt im ersten Semester die Software Lösung unter Anwendung von modernen Software Development Methoden und Tools implementiert. Diese implementierte Lösung wird anschließend systematisch getestet und Verbesserungen eingearbeitet.
Die LV deckt insbesondere die folgenden Inhalte ab:
- Implementierung von Klassen und Datenstrukturen auf Basis vom High Level Design Dokument
- Verwendung von Softwarealgorithmen für die Implementierung von Aktivitäts- und Sequenzdiagrammen
- Definition und Priorisierung von Testfällen unter Berücksichtigung von Anforderungen
- Durchführung von Testszenarien mit aktuellen Testwerkzeugen
Prüfungsmodus
Modulprüfung
Lehr- und Lernmethode
Gruppenarbeiten, praktische Projektumsetzung begleitet mit Übungen und Coaching
Sprache
Deutsch
Master Thesis Project UE
Vortragende: DI Dr. techn. Mugdim Bublin, Leon Freudenthaler, BSc MSc, FH-Prof. FH-Hon.Prof. Priv.-Doz. Mag. DI. DI. Dr.techn. Karl Michael Göschka, Dipl.-Ing. Georg Mansky-Kummert, FH-Prof. DI Dr. Igor Miladinovic, Mag. Dipl.-Ing. Dr.techn. Wolfgang Radinger-Peer, MBA, FH-Prof.in Mag.a Dr.in Sigrid Schefer-Wenzl, MSc BSc, Bernhard Taufner, BSc, MSc
Lehrinhalte
Studierende arbeiten individuell oder in Kleingruppen an Projekten mit Bezug zu Software Design und Software Engineering Technologien und Anwendungen im Kontext hochschulischer F&E-Aktivitäten oder im Rahmen ihrer individuellen Berufstätigkeit. Diese Projekte stellen in weiterer Folge die praxisrelevante Basis für die Masterarbeiten dar.
Prüfungsmodus
Immanente Leistungsüberprüfung
Projektfortschritt, Funktionsnachweis, Projektpräsentation
Lehr- und Lernmethode
-
Sprache
Deutsch-Englisch
Deep Learning and Virtual Reality Wahlpflichtmodul MODUL
Master-Arbeitsseminar SE
Vortragende: DI Dr. techn. Mugdim Bublin, Leon Freudenthaler, BSc MSc, FH-Prof. FH-Hon.Prof. Priv.-Doz. Mag. DI. DI. Dr.techn. Karl Michael Göschka, Dipl.-Ing. Georg Mansky-Kummert, FH-Prof. DI Dr. Igor Miladinovic, Mag. Dipl.-Ing. Dr.techn. Wolfgang Radinger-Peer, MBA, FH-Prof.in Mag.a Dr.in Sigrid Schefer-Wenzl, MSc BSc, Bernhard Taufner, BSc, MSc
Lehrinhalte
- Vertiefung der Grundprinzipien des wissenschaftlichen Arbeitens
- Lesen, Verstehen und Interpretieren von facheinschlägigen wissenschaftlichen Texten
- Literaturrecherchen
- formalen Methoden wissenschaftlicher Arbeit
- Studierende präsentieren in regelmäßigen Abständen die aktuelle Fortentwicklung ihrer Masterarbeit und stellen diese zur Diskussion im Plenum
Prüfungsmodus
Immanente Leistungsüberprüfung
Präsentationen, Hausübungen
Lehr- und Lernmethode
Vortrag, Case Studies
Sprache
Deutsch
Machine Learning Methods for Language Processing VO
Vortragende: DI Dr. techn. Mugdim Bublin
Lehrinhalte
- Kritische Analyse der klassischen ML Algorithmen
- Standard DL Algorithmen: CNN, RNN, Generative Netze
- Moderne DL Architekturen für Natural Language Processing (NLP): Attention, Transformer, GPT, BERT usw.
- Anwendungen der ML im allgemeinen und DL in besonderen auf NLP: Text verstehen, Übersetzung, Sprache und Text generieren, Web Suche, Wissensgeneration
- Einschränkungen der DL
Prüfungsmodus
Modulprüfung
Lehr- und Lernmethode
Theoretischer Unterricht , Diskussion der praktischen Beispiele, eigenes DL-Projekt
Sprache
Englisch
Machine Learning Methods for Language Processing UE
Vortragende: DI Dr. techn. Mugdim Bublin
Lehrinhalte
- Kritische Analyse der klassischen ML Algorithmen
- Standard DL Algorithmen: CNN, RNN, Generative Netze
- Moderne DL Architekturen für Natural Language Processing (NLP): Attention, Transformer, GPT, BERT usw.
- Anwendungen der ML im allgemeinen und DL in besonderen auf NLP: Text verstehen, Übersetzung, Sprache und Text generieren, Web Suche, Wissensgeneration
- Einschränkungen der DL
Prüfungsmodus
Modulprüfung
Lehr- und Lernmethode
Theoretischer Unterricht , Diskussion der praktischen Beispiele, eigenes DL-Projekt
Sprache
Englisch