Personendetails

DI Dr. techn. Mugdim Bublin

Lehre und Forschung
Stadt Wien Stiftungsprofessur für Artificial Intelligence


T: +43 1 606 68 77-2133
F: +43 1 606 68 77-2139

Raum: B.3.14
Favoritenstraße 226
1100 Wien

Persönlicher Webspace


Lehrveranstaltungen 2021/22

Technik

> Deep Learning and Virtual Reality Wahlpflichtmodul…
Software Design and Engineering more

Deep Learning and Virtual Reality Wahlpflichtmodul MODUL

3SWS
6ECTS
> Master Thesis Project UE
Software Design and Engineering more

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, DI Jochen Hense, MBA, FH-Prof. Dipl.-Ing. Heimo Hirner, 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

2SWS
6ECTS

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

[OFFEN]

Sprache

Deutsch-Englisch

> Deep Learning – advanced AI and Data Science ILV
Computer Science and Digital Communications more

Deep Learning – advanced AI and Data Science ILV

Vortragende: DI Dr. techn. Mugdim Bublin, Dr. Christian Steineder

3SWS
6ECTS

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

> Virtual and Augmented Reality ILV
Computer Science and Digital Communications more

Virtual and Augmented Reality ILV

Vortragende: DI Dr. techn. Mugdim Bublin

3SWS
6ECTS

Lehrinhalte

Virtual und Augmented Reality umfassen Methoden zu Erweiterung der realen Inhalte, um durch intelligente Algorithmen kontextabhängigeInformationen zur Verfügung zu stellen. Virtual und Augmented Reality werden in verschiedenen Bereichen eingesetzt, wie zum Beispiel: Medizin, Industrie, Unterricht, Tourismus und Computerspiele. Um Virtual und Augmented Reality zu ermöglichen, spielen die Methoden der Künstliche Intelligenz und Machine Learning insbesondere Deep Learning eine sehr wichtige Rolle. Virtual und Augmented Reality sind wichtige Komponenten der Cyber-Physical Systeme, die wiederum die Grundlagen für die Digitalisierung und Industrie 4.0 bilden.
Die LV deckt insbesondere die folgenden Inhalte ab:
- Anwendungsbeispiele zu Virtual und Augmented Reality
- Anforderungen an Augmented Reality and Deep Learning Applikationen
- Displays, Kameras und andere Sensoren für Virtual und Augmented Reality
- Kalibrierung und Filterung
- Computer Vision Algorithmen zu Objekt und Szene Erkennung
- Lokalisierung, Tracking und Navigation
- Deep Learning Algorithmen und Netzarchitekturen, insbesondere CNN und RNN
- Einsatz von Deep Learning Algorithmen in Virtual und Augmented Reality Applikationen

Prüfungsmodus

Endprüfung
Gruppenarbeiten

Lehr- und Lernmethode

Vortrag, praktische Übungen, Fallstudien, Diskussion der aktuellen Literatur, Implementierung der Algorithmen und Applikationen

Sprache

Englisch

> Deep Learning – advanced AI and Data Science ILV
Computer Science and Digital Communications more

Deep Learning – advanced AI and Data Science ILV

Vortragende: DI Dr. techn. Mugdim Bublin, Dr. Christian Steineder

3SWS
6ECTS

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

> Virtual and Augmented Reality ILV
Computer Science and Digital Communications more

Virtual and Augmented Reality ILV

Vortragende: DI Dr. techn. Mugdim Bublin

3SWS
6ECTS

Lehrinhalte

Virtual und Augmented Reality umfassen Methoden zu Erweiterung der realen Inhalte, um durch intelligente Algorithmen kontextabhängigeInformationen zur Verfügung zu stellen. Virtual und Augmented Reality werden in verschiedenen Bereichen eingesetzt, wie zum Beispiel: Medizin, Industrie, Unterricht, Tourismus und Computerspiele. Um Virtual und Augmented Reality zu ermöglichen, spielen die Methoden der Künstliche Intelligenz und Machine Learning insbesondere Deep Learning eine sehr wichtige Rolle. Virtual und Augmented Reality sind wichtige Komponenten der Cyber-Physical Systeme, die wiederum die Grundlagen für die Digitalisierung und Industrie 4.0 bilden.
Die LV deckt insbesondere die folgenden Inhalte ab:
- Anwendungsbeispiele zu Virtual und Augmented Reality
- Anforderungen an Augmented Reality and Deep Learning Applikationen
- Displays, Kameras und andere Sensoren für Virtual und Augmented Reality
- Kalibrierung und Filterung
- Computer Vision Algorithmen zu Objekt und Szene Erkennung
- Lokalisierung, Tracking und Navigation
- Deep Learning Algorithmen und Netzarchitekturen, insbesondere CNN und RNN
- Einsatz von Deep Learning Algorithmen in Virtual und Augmented Reality Applikationen

Prüfungsmodus

Endprüfung
Gruppenarbeiten

Lehr- und Lernmethode

Vortrag, praktische Übungen, Fallstudien, Diskussion der aktuellen Literatur, Implementierung der Algorithmen und Applikationen

Sprache

Englisch

> Bachelorarbeit 1 SE
Computer Science and Digital Communications more

Bachelorarbeit 1 SE

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, FH-Prof. Dipl.-Ing. Heimo Hirner, FH-Prof. DI Dr. Igor Miladinovic, Silvia Schmidt, BSc MSc, Dr. Christian Steineder, Bernhard Taufner, BSc, MSc

1SWS
4ECTS

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
Computer Science and Digital Communications more

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, FH-Prof. DI Dr. Igor Miladinovic, Mag. Dipl.-Ing. Dr.techn. Wolfgang Radinger-Peer, MBA, Silvia Schmidt, BSc MSc, Dr. Christian Steineder, Bernhard Taufner, BSc, MSc

2SWS
5ECTS

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 1 SE
Computer Science and Digital Communications more

Bachelorarbeit 1 SE

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, FH-Prof. Dipl.-Ing. Heimo Hirner, 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

1SWS
4ECTS

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

Studiengänge

Computer Science and Digital Communications

Bachelorstudium, berufsbegleitend

more

Computer Science and Digital Communications

Bachelorstudium, Vollzeit

more

Software Design and Engineering

Masterstudium, berufsbegleitend

more