Personendetails

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

Technik

Deep Learning and Virtual Reality UE
Software Design and Engineering
berufsbegleitend, WS2023/24 more

Deep Learning and Virtual Reality UE

Vortragende: DI Dr. techn. Mugdim Bublin

Lehrinhalte

Die UE deckt die folgenden Inhalte ab:
- Übung 1: Praktisches Ausprobieren und Erleben von verschiedenen VR Anwendungsfällen
- Übung 2: Einfache Anwendung von VR Eingabe-und Ausgabemöglichkeiten
- Übung 3: Modellierung von Daten zur Darstellung in einer Augmented Reality Applikation als Basis für die interaktive Augmented Reality Applikation
- Übung 4: Aufbauend auf Übung 3 wird eine interaktive Augmented Reality Applikation erstellt
- Übung 5: Modellierung von einfachen virtuellen 3D-Modellen, Erstellung eines virtuellen 3D Modells als Basis für die interaktive VR Applikation
- Übung 6: Aufbauend auf Übung 5 wird eine interaktive Virtual Reality Applikation erstellt

Prüfungsmodus

Modulprüfung

Lehr- und Lernmethode

Fallstudien, Vortrag, praktische Übung in Gruppen.

Sprache

Deutsch

Deep Learning and Virtual Reality VO
Software Design and Engineering
berufsbegleitend, WS2023/24 more

Deep Learning and Virtual Reality VO

Vortragende: DI Dr. techn. Mugdim Bublin

Lehrinhalte

Es wird auf folgende Inhalte eingegangen:
- Einführung, Modus, Motivation, Basics ML Project

- Machine Learning Project: Data Analysis, Visualisation, Preparation, Model Selection and Training, Evaluation and Optimization

- Klassische ML Algorithmen: Classification & Training , SVM, Decision Trees, Ensamble Learning, Dimensionality reduction & Unsupervised Learning

- Einführung in Deep Learning

- CNN

- Reccurent NN (RNN)

- Generative DL (GAN)

- Reinforcement Learning (RL)

- Deep learning und Virtual Reality: Robotik, Spiele

Prüfungsmodus

Modulprüfung

- Übungen (30%)
- Schriftliche Prüfung (50%)
- Eigenes Projekt (20%)

Zusätzlich sind bis zu 20 Punkte durch die Aktivität zu bekommen: Fragen stellen, Fragen beantworten, zusätliche Übungen usw,

Lehr- und Lernmethode

Fallstudien, praktische Übungen, Vortrag

Sprache

Englisch

Master Thesis Project UE
Software Design and Engineering
berufsbegleitend, WS2023/24 more

Master Thesis Project 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, Dipl.-Ing. Georg Mansky-Kummert, FH-Prof. DI Dr. Igor Miladinovic, Dipl.-Ing. Branislav Miskovic, 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

Master-Arbeitsseminar SE
Software Design and Engineering
berufsbegleitend, SS2024 more

Master-Arbeitsseminar SE

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, Dipl.-Ing. Georg Mansky-Kummert, FH-Prof. DI Dr. Igor Miladinovic, 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

Internship FH Campus Wien PR
Multilingual Technologies
berufsbegleitend, WS2023/24 more

Internship FH Campus Wien PR

Vortragende: DI Dr. techn. Mugdim Bublin

Lehrinhalte

Studierende absolvieren ein Praktikum/Internship (PR), 10 ECTS, 2 SWS (prüfungsimmanent) oder alternativ ein Forschungsprojekt, 10 ECTS, 2 SWS (prüfungsimmanent).
Auf das Praktikum entfallen ca. 225 Stunden, auf den Praktikumsbericht ca. 25 Stunden.
Die Wahl des Praktikums bzw. des Forschungsprojektes ist vorab von der Studiengangsleitung zu genehmigen.
Es wird dringend empfohlen, ein Berufspraktikum zu absolvieren. Sollte dafür kein Praktikumsplatz zur Verfügung stehen, so kann alternativ unter Anleitung eines*r Betreuer*in ein kleineres Forschungsprojekt wie oben beschrieben absolviert werden.

Prüfungsmodus

Endprüfung

Abgabe eines Praktikumsberichts.

Lehr- und Lernmethode

Berufspraktikum

Sprache

Englisch

Machine Learning Methods for Language Processing U…
Multilingual Technologies
berufsbegleitend, SS2024 more

Machine Learning Methods for Language Processing UE

Vortragende: DI Dr. techn. Mugdim Bublin, Dr. Henrik Schulz

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 V…
Multilingual Technologies
berufsbegleitend, SS2024 more

Machine Learning Methods for Language Processing VO

Vortragende: DI Dr. techn. Mugdim Bublin, Dr. Henrik Schulz

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

Advanced AI and Data Science ILV
Computer Science and Digital Communications
Vollzeit, SS2024 more

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

Advanced AI and Data Science ILV
Computer Science and Digital Communications
berufsbegleitend, SS2024 more

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
Computer Science and Digital Communications
Vollzeit, WS2023/24 more

Bachelorarbeit 1 SE

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, Ing. Philipp Grassl, MSc, FH-Prof. Dipl.-Ing. Heimo Hirner, Ines Kramer, BSc MSc, Dipl.-Ing. Georg Mansky-Kummert, FH-Prof. DI Dr. Igor Miladinovic, Dipl.-Ing. Branislav Miskovic, FH-Prof.in Mag.a Dr.in Sigrid Schefer-Wenzl, MSc BSc, Silvia Schmidt, BSc MSc, Dr. Christian Steineder, Bernhard Taufner, BSc, MSc

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

Bachelorarbeit 1 SE
Computer Science and Digital Communications
berufsbegleitend, WS2023/24 more

Bachelorarbeit 1 SE

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, Ing. Philipp Grassl, MSc, FH-Prof. Dipl.-Ing. Heimo Hirner, Ines Kramer, BSc MSc, Dipl.-Ing. Georg Mansky-Kummert, FH-Prof. DI Dr. Igor Miladinovic, Dipl.-Ing. Branislav Miskovic, FH-Prof.in Mag.a Dr.in Sigrid Schefer-Wenzl, MSc BSc, Silvia Schmidt, BSc MSc, Dr. Christian Steineder, 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

Bachelorarbeit 2 SE
Computer Science and Digital Communications
Vollzeit, SS2024 more

Bachelorarbeit 2 SE

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, Ing. Philipp Grassl, MSc, FH-Prof. Dipl.-Ing. Heimo Hirner, Ines Kramer, BSc MSc, Dipl.-Ing. Georg Mansky-Kummert, FH-Prof. DI Dr. Igor Miladinovic, Dipl.-Ing. Branislav Miskovic, FH-Prof.in Mag.a Dr.in Sigrid Schefer-Wenzl, MSc BSc, Silvia Schmidt, BSc MSc, Dr. Christian Steineder, 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

Bachelorarbeit 2 SE
Computer Science and Digital Communications
berufsbegleitend, SS2024 more

Bachelorarbeit 2 SE

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, Ing. Philipp Grassl, MSc, FH-Prof. Dipl.-Ing. Heimo Hirner, Ines Kramer, BSc MSc, Dipl.-Ing. Georg Mansky-Kummert, FH-Prof. DI Dr. Igor Miladinovic, Dipl.-Ing. Branislav Miskovic, Silvia Schmidt, BSc MSc, Dr. Christian Steineder, 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

Deep Learning ILV
Computer Science and Digital Communications
berufsbegleitend, WS2023/24 more

Deep Learning 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 in other disciplines, including Medicine, IoT, Industry 4.0, Autonomous Driving, and Games.

Prüfungsmodus

Endprüfung

Performance assessment is done according to: - Project work - Exercises during lectures - Final written or oral exam

Lehr- und Lernmethode

- Lecture
- Group work (project)
- Practical exercises
- Continuous Discussion and feedback

Sprache

Englisch

Deep Learning ILV
Computer Science and Digital Communications
Vollzeit, WS2023/24 more

Deep Learning 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 in other disciplines, including Medicine, IoT, Industry 4.0, Autonomous Driving, and Games.

Prüfungsmodus

Endprüfung

Performance assessment is done according to: - Project work - Exercises during lectures - Final written or oral exam

Lehr- und Lernmethode

- Lecture
- Group work (project)
- Practical exercises
- Continuous Discussion and feedback

Sprache

Englisch

Introduction to AI and Data Science ILV
Computer Science and Digital Communications
Vollzeit, WS2023/24 more

Introduction to AI and Data Science ILV

Vortragende: DI Dr. techn. Mugdim Bublin, René Goldschmid, MSc, Dr. Henrik Schulz, 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

Wahlfach-Projekt 1 UE
Computer Science and Digital Communications
berufsbegleitend, SS2024 more

Wahlfach-Projekt 1 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, Ing. Philipp Grassl, MSc, FH-Prof. Dipl.-Ing. Heimo Hirner, Ines Kramer, BSc MSc, Dipl.-Ing. Georg Mansky-Kummert, FH-Prof. DI Dr. Igor Miladinovic, FH-Prof. Dipl.-Ing. Herbert Paulis, Mag. Reinhard Rader, FH-Prof.in Mag.a Dr.in Sigrid Schefer-Wenzl, MSc BSc, Silvia Schmidt, BSc MSc, Dr. Christian Steineder, Bernhard Taufner, BSc, MSc

Lehrinhalte

Die Studierenden lernen anhand einer praktischen, konkreten Aufgabenstellung, das theoretische Wissen über Projekte und Implementierungen in die Praxis umzusetzen. Sie handeln eigenverantwortlich und selbständig und dokumentieren ihre Arbeit nachvollziehbar und detailliert. Die Mitarbeit an einem industriellen F&E Projekt bzw. an aktuellen Problemstellung im Rahmen der F&E Tätigkeit der FH ist möglich.

Prüfungsmodus

Modulprüfung

Lehr- und Lernmethode

Gruppenarbeiten, praktische Projektumsetzung begleitet mit Übungen und Coaching.

Sprache

Deutsch

Wahlfach-Projekt 1 UE
Computer Science and Digital Communications
Vollzeit, SS2024 more

Wahlfach-Projekt 1 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, Ing. Philipp Grassl, MSc, Ines Kramer, BSc MSc, Dipl.-Ing. Georg Mansky-Kummert, FH-Prof. DI Dr. Igor Miladinovic, Mag. Reinhard Rader, Silvia Schmidt, BSc MSc, Dr. Christian Steineder, Károly Szabó, MSc, Bernhard Taufner, BSc, MSc

Lehrinhalte

Die Studierenden lernen anhand einer praktischen, konkreten Aufgabenstellung, das theoretische Wissen über Projekte und Implementierungen in die Praxis umzusetzen. Sie handeln eigenverantwortlich und selbständig und dokumentieren ihre Arbeit nachvollziehbar und detailliert. Die Mitarbeit an einem industriellen F&E Projekt bzw. an aktuellen Problemstellung im Rahmen der F&E Tätigkeit der FH ist möglich.

Prüfungsmodus

Modulprüfung

Lehr- und Lernmethode

Gruppenarbeiten, praktische Projektumsetzung begleitet mit Übungen und Coaching.

Sprache

Deutsch

Wahlfach-Projekt 2 UE
Computer Science and Digital Communications
Vollzeit, WS2023/24 more

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, Ing. Philipp Grassl, MSc, FH-Prof. Dipl.-Ing. Heimo Hirner, Ines Kramer, BSc MSc, Dipl.-Ing. Georg Mansky-Kummert, FH-Prof. DI Dr. Igor Miladinovic, Dipl.-Ing. Branislav Miskovic, FH-Prof.in Mag.a Dr.in Sigrid Schefer-Wenzl, MSc BSc, Silvia Schmidt, BSc MSc, Dr. Christian Steineder, 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

Wahlfach-Projekt 2 UE
Computer Science and Digital Communications
berufsbegleitend, WS2023/24 more

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, Ing. Philipp Grassl, MSc, FH-Prof. Dipl.-Ing. Heimo Hirner, Dipl.-Ing. Georg Mansky-Kummert, FH-Prof. DI Dr. Igor Miladinovic, Dipl.-Ing. Branislav Miskovic, FH-Prof.in Mag.a Dr.in Sigrid Schefer-Wenzl, MSc BSc, Silvia Schmidt, BSc MSc, Dr. Christian Steineder, 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

Studiengänge

Bachelor

Computer Science and Digital Communications

berufsbegleitend

Bachelor

Computer Science and Digital Communications

Vollzeit