Überblick Zukunftsorientiertes Ausbildungsprofil Multilingual Technologies verknüpft Sprache und IT. Der in Österreich einzigartige Master wird in Kooperation mit dem Zentrum für Translationswissenschaften der Uni Wien angeboten und richtet sich an alle, die bereits einen Abschluss in einem technischen oder translationswissenschaftlichen Bachelorstudium haben und sich für Sprachtechnologien sowie multilinguale Lösungen und Konzepte interessieren. Der interdisziplinäre Charakter des Studiums befähigt für zukunftsorientierte Berufsfelder, etwa in der Sprachtechnologie oder im Bereich maschinelle Übersetzung.Kontaktieren Sie unsKontaktieren Sie uns!Mag.a Marion Bozsing Marina Paukovits Melanie PaukovitsFavoritenstraße 226, B.3.20 1100 Wien T: +43 1 606 68 77-2130 F: +43 1 606 68 77-2139informatik@fh-campuswien.ac.at Lageplan Hauptstandort Favoriten (Google Maps)Newsletter abonnierenNewsletter abonnieren!Studiendauer4 SemesterOrganisationsformberufsbegleitend120ECTSUnterrichtssprache Englisch30StudienplätzeAbschlussMaster of ScienceBewerbungsfrist für Studienjahr 2022/231. April bis 15. August 2022Studienbeitrag / Semester € 363,361 + ÖH Beitrag + Kostenbeitrag21 Studienbeitrag für Studierende aus Drittstaaten € 727,- pro Semester2 für zusätzliche Aufwendungen rund ums Studium (derzeit bis zu € 83,- je nach Studiengang bzw. Jahrgang) Was Sie mitbringen Sie haben bereits einen Abschluss in einem technischen oder translationswissenschaftlichen Bachelorstudium und interessieren sich für Sprachtechnologien sowie multilinguale Lösungen und Konzepte. Mit diesem gemeinsamen Masterstudium der FH Campus Wien und dem Zentrum für Translationswissenschaft der Universität Wien verknüpfen Sie Ihr Wissen rund um Sprache und IT in einem zukunftsorientierten Ausbildungsprofil. Was wir Ihnen bieten Dieses in Österreich einzigartige und auch im internationalen Vergleich innovative Masterstudium legt den Schwerpunkt auf Sprachtechnologien, Methoden zu deren Erstellung und Verwendung sowie auf Sprachressourcen. Es weist durch die Verbindung translatorischer, transkultureller, computerwissenschaftlicher und sprachwissenschaftlicher Fachbereiche einen stark interdisziplinären Charakter auf. Was macht das Studium besonders Das gemeinsame Masterstudium wird am Department Technik der FH Campus Wien und am Zentrum für Translationswissenschaft der Universität Wien angesiedelt sein. Es verbindet somit die besonderen Profilelemente, fachlichen Stärken und wissenschaftlichen Expertisen beider Institutionen zu einem zukunftsorientierten interdisziplinären Bildungs- und AusbildungsprofilInterdisziplinärer CharakterZukunftsorientiertes BerufsfeldIn Österreich einzigartiges Masterstudium Was Sie im Studium lernen Neben Qualifikationen für die Grundlagenforschung erwerben Sie Fähigkeiten der angewandten Forschung. Studierende erlangen Kenntnis der Grundkonzepte von Sprachtechnologien und Sprachressourcen mit einem besonderen Fokus auf multilinguale Lösungen und Konzepte, sowie umfassendes Methodenwissen und praktische Fertigkeiten in aktuellen Forschungstechniken. Zusätzlich erwerben Studierende spezialisierte Expertise in einem Bereich der Sprachtechnologien, z.B. Übersetzungstechnologien oder multilinguale Informationsextraktion. Lehrveranstaltungsübersicht 1. Semester LehrveranstaltungSWSECTSIntroduction to Computational Linguistics ILVIntroduction to Computational Linguistics ILV3SWS6ECTSLehrinhalte- Einführung in die Konzepte und Richtungen traditioneller Sprachwissenschaft - Klassische Aufgabenstellungen der Computerlinguistik - Vorstellung verschiedener Methoden zur Sprachverarbeitung von Tokenisierung bis hin zur Sentimentanalyse - Verschiedene NLP-Systeme und computerlinguistischer Analysemodelle - Diskussion des aktuellen Stands der Forschung sowie weiterführende Forschungsideen - Praktische Einarbeitung in grundlegende Methoden der automatischen SprachverarbeitungPrüfungsmodusImmanente Leistungsüberprüfung Schriftliche Abschlussprüfung, laufende Abgaben von Implementierungen, Präsentationen.Lehr- und LernmethodeVortrag/Vorlesung, Praktische Übungen, Präsentationen, Diskussionen, Feedback.SpracheEnglisch36Introduction to Machine Learning for Language Processing ILVIntroduction to Machine Learning for Language Processing ILVVortragende: Liad Magen3SWS6ECTSLehrinhalte- ML-Definition, Anwendungsgebiete und Klassifikation der ML-Algorithmen (Supervised, Unsupervised, Reinforcement Learning) - Klassische ML-Algorithmen: kNN, Decision Trees, Naïve Bayes, NN, SVM, Ensamble Learning und Random Forest - Typische Vorgehensweise bei ML-Projekten: Anforderungen definieren, Daten sammeln, filtern und darstellen, Features definieren und extrahieren, Algorithmen einsetzen und deren Performance evaluieren, iterative ML-Pipeline verbessern. - Einführung in Deep Learning: CNN, RNN, Generative NetworksPrüfungsmodusImmanente Leistungsüberprüfung Teilnahme an Diskussionen, Ausarbeitung der Übungsbeispiele, Eigenes ML-Projekt, schriftliche PrüfungLehr- und LernmethodeTheorievermittlung in Unterricht, Diskussion der praktischen Beispiele, Eigenes ML-ProjektSpracheEnglisch36Multilingual and Crosslingual Methods and Language Resources VOMultilingual and Crosslingual Methods and Language Resources VO2SWS4ECTSLehrinhalte- Verschiedene Arten der Sprachressourcen (Terminologie, Lexikon, Kontrolliertes Vokabular, Thesaurus etc.) - Methoden zur Darstellung, Erstellung, Verbreitung und Verwendung von multilingualen Sprachressourcen einschließlich des Ansatzes der Linguistic Linked Open Data (LLOD) und der linguistischen Data Science im Allgemeinen - Multilinguale und crosslinguale Methoden zur Verbesserung der Kommunikation mithilfe von Sprachressourcen und computerlinguistischen Ansätzen - Praktische Beispiele aus dem Bereich der LLODPrüfungsmodusEndprüfung Schriftliche Endprüfung.Lehr- und LernmethodeVorlesung/Vortrag, Diskussion, Falllösungen.SpracheEnglisch24Programming and Algorithms for Language Technologies VOProgramming and Algorithms for Language Technologies VOVortragende: Dipl.-Ing. Georg Mansky-Kummert, Dipl.-Ing. Branislav Miskovic1SWS2ECTSLehrinhalteDie Lehrveranstaltung vermittelt Programmierkenntnisse mit Hilfe der Programmiersprache Python. Basiswissen wird vorausgesetzt, am Beginn der LV werden die Grundlagen wiederholt. Auch Techniken wie das Debuggen und die Verwendung von Git zur Versionsverwaltung werden besprochen. Außderm werden folgende Themenbereiche behandelt: * Datenstrukturen * Reguläre Ausdrücke und Suchalgorithmen (A*-Algorithmus, Beam Search, ...) * Verwendung von Application Programming Interfaces (APIs), JSON, XML * Grundlagen des Information RetrievalPrüfungsmodusImmanente Leistungsüberprüfung Teilleistungen in Form von Einzelarbeit, Gruppenarbeit und Präsentationen. Mündliche Endprüfung.Lehr- und LernmethodeVorlesung/Vortrag.SpracheEnglisch12Programming and Algorithms for Language Technologies UEProgramming and Algorithms for Language Technologies UEVortragende: Dipl.-Ing. Georg Mansky-Kummert, Dipl.-Ing. Branislav Miskovic2SWS4ECTSLehrinhalteDie LV vermittelt Grundbegriffe der objektorientierten Programmierung mit Hilfe der Programmiersprache Python. Es werden Konzepte von Programmiersprachen, wie Kontrollstrukturen, elementare Datentypen, Datenstrukturen, Klassen, Objekte und Funktionen gelehrt. Weiters wird der Entwurf von Programmen, sowie deren Analyse und Techniken zum Debuggen, Tracing und Testen vermittelt. Die LV deckt insbesondere die folgenden Inhalte ab: - Grundlagen der Programmierung - Variablen und Datentypen - Operatoren - Kontrollstrukturen - Fehlerbehandlung - Grundlagen der Objektorientierung - Sortieralgorithmen - SuchalgorithmenPrüfungsmodusImmanente Leistungsüberprüfung Teilleistungen in Form von Gruppenarbeit und PräsentationenLehr- und LernmethodeKleingruppenarbeit, Praktische Übungen, Präsentation von erarbeiteten Ergebnissen.SpracheEnglisch24Statistical Methods for Language Processing ILVStatistical Methods for Language Processing ILVVortragende: Dr. Christian Steineder2SWS4ECTSLehrinhalte- Wahrscheinlichkeitsrechnung - Daten analysieren, filtern und visualisieren - Testen der Hypothesen - Statistische Schätzer - Experiment Design - Vorgehensweise in statistischen ProjektenPrüfungsmodusImmanente Leistungsüberprüfung Aktivität bei Vorlesungen und Übungen: Teilnahme an Diskussionen, Ausarbeitung der Übungsbeispiele, eigenes statistisches Projekt, schriftliche PrüfungLehr- und LernmethodeTheorievermittlung in Unterricht, Diskussion der praktischen Beispiele, Eigenes ProjektSpracheEnglisch24Translation Technologies VOTranslation Technologies VO2SWS4ECTSLehrinhalte- Einführung in verschiedene Arten der Übersetzungstechnologien von computergestützter Übersetzung (CAT) bis zur automatisierten maschinellen Übersetzung - Kritische Analyse der Wahrnehmung verschiedener Technologien im Unternehmen sowie Vor- und Nachteile jeder einzelnen Technologie - Überblick über verschiedene Hilfsmittel und verfügbare Systeme in den jeweiligen Technologien - Überblick über den aktuellen Forschungsstand und interessante offene Forschungsfragen in diesem größeren Themenbereich - Einblicke in Methoden der Qualitätsverbesserung von Pre- und Post-Editing bis hin zum Revisionsprozess in der Übersetzung - Praktische Arbeit mit einem System der computergestützten ÜbersetzungPrüfungsmodusImmanente Leistungsüberprüfung Schriftliche Endprüfung, praktische Übungen, Präsentationen.Lehr- und LernmethodeVorlesung/Vortrag, Praktische Übungen, Diskussionen, Feedback, Falllösungen.SpracheEnglisch24 2. Semester LehrveranstaltungSWSECTSBasics in Machine Translation ILVBasics in Machine Translation ILV3SWS5ECTSLehrinhalte- Einführung in die verschiedenen Ansätze der maschinellen Übersetzung von statistischen über regelbasierte bis hin zu neuronalen und hybriden Ansätzen - Einführung in grundlegende Konzepte und Algorithmen der statistischen maschinellen Übersetzung - Einführung in grundlegende Konzepte und Algorithmen der neuronalen maschinellen Übersetzung - Kritische Analyse der Vor- und Nachteile einzelner Systeme sowie Ziel und Zweck der jeweiligen Ansätze - Grundlegende Kenntnisse zu Methoden der Evaluation von maschineller Übersetzung - Praktische Einführung zu konkreten ÜbersetzungsmodellenPrüfungsmodusImmanente Leistungsüberprüfung Schriftliche Endprüfung, praktische Übungen, Präsentationen.Lehr- und LernmethodeVorlesung/Vortrag, Praktische Übungen, Arbeitsaufträge, Diskussionen, Feedback, Falllösungen.SpracheEnglisch35Information Design for Language Data ILVInformation Design for Language Data ILV2SWS4ECTSLehrinhalte- Grundlagen des Informationsdesigns - Zielgruppenorientierte Gestaltung von Medien und Information - Designentwicklung auf Basis kognitionswissenschaftlicher Prinzipien - Grundlagen der Gestalt- und Wahrnehmungspsychologie - Methoden des Informationsdesigns für verschiedene Medien - Anwendungen in Web, Virtual und Augmented Reality usw.PrüfungsmodusImmanente Leistungsüberprüfung Teilleistungen durch aktive Teilnahme an Diskussionen und der Ausarbeitung von Übungsbeispielen, Eigenes Informationsdesign-Projekt, schriftliche Prüfung.Lehr- und LernmethodeTheorievermittlung in Unterricht, interdisziplinäre Ringvorlesungen, Diskussion der praktischen Beispiele; Eigenes Informationsdesign Projekt.SpracheEnglisch24Information Extraction and Retrieval for Multilingual Natural Language Data ILVInformation Extraction and Retrieval for Multilingual Natural Language Data ILV3SWS6ECTSLehrinhalte- Retrieval-Modelle: Boolsche, Vektorraum, Probabilistisches - Repräsentation von Inhalten: Freitextsuche, Dokumentationssprachen, spezielle Logiken, Indexierung usw.) - Machine-Learning-Konzepte und -Techniken: Clustering, Classification - Deep Learning in Information Retrieval - Web-Retrieval: Link-Analyse, Crawling, SuchmaschinenPrüfungsmodusImmanente Leistungsüberprüfung Teilleistungen durch aktive Teilnahme an Diskussionen und der Ausarbeitung von Übungsbeispielen, eigenes IR-Projekt, schriftliche Prüfung.Lehr- und LernmethodeTheorievermittlung in Unterricht, Diskussion der praktischen Beispiele; eigenes IR-ProjektSpracheEnglisch36Machine Learning Methods for Language Processing VOMachine Learning Methods for Language Processing VO1SWS2ECTSLehrinhalte- 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 DLPrüfungsmodusModulprüfungLehr- und LernmethodeTheoretischer Unterricht , Diskussion der praktischen Beispiele, eigenes DL-ProjektSpracheEnglisch12Machine Learning Methods for Language Processing UEMachine Learning Methods for Language Processing UE2SWS4ECTSLehrinhalte- 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 DLPrüfungsmodusModulprüfungLehr- und LernmethodeTheoretischer Unterricht , Diskussion der praktischen Beispiele, eigenes DL-ProjektSpracheEnglisch24Speech Technologies ILVSpeech Technologies ILV3SWS6ECTSLehrinhalte- Speech Technologies und Automatic Speech Recognition (ASR) - Grundlagen der Phonetik und Phonologie - Neuronale Netze für Sprachtechnologien - Einführung in Dialogsysteme - Praktische Einarbeitung in ASR und Sprach-zu-Sprach-SystemenPrüfungsmodusEndprüfung Schriftliche Abschlussprüfung, Teilleistungen in Form praktischer ÜbungenLehr- und LernmethodeVortrag/Vorlesung, Praktische Übungen, Präsentationen, Diskussionen, Feedback.SpracheEnglisch36Transcultural Communication VOTranscultural Communication VO2SWS3ECTSLehrinhalte- Transkulturelle Kommunikation aus der Perspektive verschiedener Disziplinen (mit Fokus auf der Translationswissenschaft) - Kommunikationswissenschaftliche Grundlagen intra-, inter- und multilinguale Barrieren und Transkulturalität - Online kollaborative Translation als transkulturelle Kommunikation - Konzeptuelle Fragen und Problemstellungen - Technikfolgenabschätzung und ethische Erwägungen - Transkulturelle Kommunikation und Translation im TeamPrüfungsmodusEndprüfung Schriftliche Endprüfung.Lehr- und LernmethodeVorlesung/Vortrag, Diskussion, Fallbeispiele.SpracheEnglisch23 3. Semester LehrveranstaltungSWSECTSAcademic Writing ILVAcademic Writing ILV2SWS5ECTSLehrinhalte- Systematisches Recherchieren und Rezipieren wissenschaftlicher Arbeiten - Richtiges Zitieren - Sprachregister: formal vs. informell - akademische Terminologie und Formulierungen - Struktur eines Absatzes - Struktur einer wissenschaftlichen Arbeit - Sprachliche Präsentation der gewählten Methode, erzielten Ergebnisse und daraus resultierenden Diskussion - Beschreiben statistischer und qualitativer DatenPrüfungsmodusEndprüfung Schreib- und Rechercheübungen, schriftliche Seminararbeit.Lehr- und LernmethodeSchreib- und Rechercheübungen, Korrekturaufgaben, Feedback, Diskussion, Problembasiertes Lernen.SpracheEnglisch25Advanced Machine Translation ILVAdvanced Machine Translation ILV3SWS5ECTSLehrinhalte- Theoretische Erarbeitung verschiedener Architekturen im Bereich der neuronalen maschinellen Übersetzung - Theoretischer Überblick über den aktuellen Stand der Forschung und interessante derzeitige Forschungsthemen, z. B. maschinelle Übersetzung mit nur geringen verfügbaren Trainingsdaten - Kritische Auseinandersetzung mit Vor- und Nachteilen der jeweiligen Systeme - Analyse und Diskussion der gängigen Praxis bezüglich der Anwendung maschineller Übersetzungssysteme im Unternehmen - Praktische Erarbeitung von konkreten aktuellen Modellen der neuronalen maschinellen Übersetzung sowie deren EvaluationsmethodenPrüfungsmodusImmanente Leistungsüberprüfung Schriftliche Endprüfung, praktische Übungen, Präsentationen.Lehr- und LernmethodeVorlesung/Vortrag, Praktische Übungen, Arbeitsaufträge, Diskussionen, Feedback, Falllösungen.SpracheEnglisch35Human-Computer Interaction for Computational Linguists ILVHuman-Computer Interaction for Computational Linguists ILV2SWS4ECTSLehrinhalte- Psychologische Aspekte des HCIs - Benutzerfreundlichkeit - Benutzerforschung - Benchmarking der Benutzerfreundlichkeit - Interaktionsgestaltung - Prototyping - Methoden zur Untersuchung und Prüfung der Benutzerfreundlichkeit - Benutzerfreundlichkeit in der PraxisPrüfungsmodusImmanente Leistungsüberprüfung Fallbeispiele, Gruppenübung, schriftliche Endprüfung.Lehr- und LernmethodeFallstudien, Praktische Übungen, VortragSpracheEnglisch24Software Engineering for Language Technologies ILVSoftware Engineering for Language Technologies ILV3SWS6ECTSLehrinhalteEs werden organisatorische Möglichkeiten zur Strukturierung der Software-Entwicklung in Form von Prozessmodellen, wie Wasserfall-Modell, Spiral-Modell und Agile Modelle dargelegt. Bei den technischen Aspekten des Software Engineerings wird vor allem die Erstellung von objektorientierten Systemen und deren Modellierung im Bereich Maschinelles Lernen behandelt. Die LV deckt insbesondere die folgenden Inhalte ab: - Requirements Engineering - Use Cases - High Level Design - Software-Engineering-Aspekte im Bereich Maschinelles Lernen - Ausgewählte UML Diagramme - VorgehensmodellePrüfungsmodusImmanente Leistungsüberprüfung Gruppenarbeiten, schriftliche Endprüfung.Lehr- und LernmethodeBlended learning, Gastvorträge, Experiential learning, CoachingSpracheEnglisch36 Internship (10 ECTS nach Wahl)LehrveranstaltungSWSECTS Internship FH Campus Wien MODUL 210 Internship Universität Wien MODUL 210 4. Semester LehrveranstaltungSWSECTSData Protection and Privacy for Computational Linguists ILVData Protection and Privacy for Computational Linguists ILV1SWS2ECTSLehrinhalteDie Lehrveranstaltung soll einen Überblick über grundlegende Rechtsfragen aus den Bereichen Datenschutz und Datensicherheit abdecken. Dabei wird insbesondere auf praktisch relevante Themen eingegangen. Komplexe Sachverhalte werden anhand datenschutzrechtlicher Grundsätze analysiert und besprochen, wobei ein besonderer Fokus auf aktuellen nationalen wie auch internationalen Entwicklungen liegt. - Einführung in das österreichische und europäische Rechtsystem - Einführung in das Datenschutzrecht - Schutz der Privatsphäre und allgemeiner Persönlichkeitsschutz - Grundsätze der Verarbeitung personenbezogener Daten - Datenschutzrechtliche Rollen - Betroffenenrechte und Pflichten des Verarbeiters - Einblick in Datensicherheitskonzepte - Privacy by Design und Privacy by Default - E-Privacy - Grundlagen der Cybersicherheit - Aufgaben und Befugnisse der datenschutzrechtlichen Aufsichtsbehörde sowie verfahrensrechtliche AspektePrüfungsmodusImmanente Leistungsüberprüfung - Aktivitäten bei Vorlesungen und Übungen: Teilnahme an Diskussionen - Mitarbeit - Schriftliche PrüfungLehr- und Lernmethode- Theorievermittlung in Vorträgen - Diskussion der praktischen BeispieleSpracheEnglisch12IT Project Management for Computational Linguists ILVIT Project Management for Computational Linguists ILV1SWS2ECTSLehrinhalteProjektmanagement ist die Anwendung von Wissen, Können, Werkzeugen und Techniken auf Projektaktivitäten, um Projektanforderungen zu erfüllen. Der*Die Projektmanager*in hat die Aufgabe, die Erwartungen der Stakeholder an das Projekt zu erfüllen. Die LV deckt insbesondere die folgenden Inhalte ab: - Die Vertiefung in die Wissensgebiete des Projektmanagements (zum Beispiel: Integrationsmanagement, Zeitmanagement, Kostenmanagement, Qualitätsmanagement und Risikomanagement) - Die Projektleitung über Kulturgrenzen hinweg - Das Management von virtuellen Teams - Rechtliche Aspekte in IT-ProjektenPrüfungsmodusImmanente Leistungsüberprüfung Schriftliche Endprüfung, Ausarbeitung einer Fallstudie.Lehr- und LernmethodeFallstudien, VortragSpracheEnglisch12Master Colloquium SEMaster Colloquium SE2SWS4ECTSLehrinhalte- Auffrischung Forschungsmethodik - Auffrischung und Vertiefung gute Praxis wissenschaftlichen Arbeitens - Präsentationstechniken und -arten für wissenschaftliche Arbeiten - Methoden zur Erstellung eines MasterarbeitskonzeptsPrüfungsmodusImmanente Leistungsüberprüfung Mündliche Präsentation, schriftliche Arbeit in Form eines Exposés.Lehr- und LernmethodeGruppenarbeit, Diskussion, Präsentation, Feedback, interaktive Vorlesung mit praktischen Übungen.SpracheEnglisch24Master's Finals APMaster's Finals AP0SWS2ECTSLehrinhalte• Präsentation und Diskussion der Abschlussarbeit • Fachdiskussion Die Defensio besteht aus der Präsentation und Verteidigung der Masterarbeit sowie einer Prüfung über deren wissenschaftliches Umfeld sowie einer Prüfung, die ein weiteres, vom Umfeld der Masterarbeit wesentlich zu unterscheidendes Prüfungsfach aus den Pflichtmodulen umfasst.PrüfungsmodusEndprüfung Kommissionelle Prüfung (Masterprüfung)Lehr- und LernmethodeSelbstständiges ErarbeitenSpracheEnglisch02Master's Thesis MTMaster's Thesis MT0SWS20ECTSLehrinhalte- Selbstständige Bearbeitung einer fachlich relevanten Thematik basierend auf den technischen Themen der Wahlpflichtmodule im dritten Semester auf wissenschaftlichem Niveau unter Anleitung eines*r Betreuer*in - Ausarbeitung der MasterarbeitPrüfungsmodusEndprüfung Approbation der Masterarbeit (Seminararbeit)Lehr- und LernmethodeSelbstständiges Arbeiten unterstützt durch CoachingSpracheEnglisch020Anzahl der Unterrichtswochen 18 Wochen im SemesterUnterricht an der FH Campus Wien Freitags (ganztags), fallweise Samstags (ganztags) Offene Lehrveranstaltungen Sie haben auch die Möglichkeit, ausgewählte Offene Lehrveranstaltungen anderer Studiengänge bzw. Departments zu besuchen. Karrierechancen Diese fachspezifischen sowie die erworbenen überfachlichen und methodischen Kompetenzen qualifizieren Absolvent*innen für Karrieren im wissenschaftlichen sowie im Privatsektor. Abhängig von der persönlichen Spezialisierung eröffnen sich verschiedene Berufsfelder. Der interdisziplinäre Charakter des Studiums befähigt für verschiedene Arbeitsbereiche: IT-Sektor, Consulting und Personalentwicklung.Sprach-, Übersetzungs- und LokalisierungsindustrieSprachtechnologie im Sinne der Sprach- und Textverarbeitung und Übersetzungstechnologietranskulturelle WissensorganisationSprachressourcenverwaltungmaschinelle Übersetzungmultilinguale Produktmanagementmultilinguale Informationsverarbeitungmultilinguale Mensch-Computer-InteraktionUsability und Data Science Aufnahme Zulassungsvoraussetzungen Die Zulassung zum Masterstudium Multilingual Technologies setzt einen fachlich in Frage kommenden Bachelorabschluss (z. B. Computer Science and Digital Communications der FH Campus Wien oder Transkulturelle Kommunikation der Universität Wien) sowie folgende fachspezifische Kenntnisse voraus:a. Grundkenntnisse der Sprachtechnologien und Fachkommunikationb. Grundlagen der Informatik, grundlegende Methoden und Tools des Software EngineeringsKenntnisse angeführt unter a) sind durch das Bachelorstudium Transkulturelle Kommunikation oder die Absolvierung des Erweiterungscurriculums Sprachtechnologien und Fachkommunikation am Zentrum für Translationswissenschaft erfüllt. Kenntnisse angeführt unter b) sind durch das Bachelorstudium Computer Science and Digital Communications oder die Absolvierung des Erweiterungscurriculums Informatik (für Studierende der Universität Wien) an der FH Campus Wien erfüllt.Regelung für Studierende aus Drittstaaten (PDF 294 KB)Informationen zur Beglaubigung von ausländischen Dokumenten (PDF 145 KB) Bewerbung Online + MotivationsschreibenBitte beachten Sie: Ein Zwischenspeichern der Online-Bewerbung ist nicht möglich. Sie müssen Ihre Bewerbung in einem Durchgang abschließen. Ihre Bewerbung ist gültig, sobald alle verlangten Dokumente und Unterlagen bei uns eingelangt sind (bevorzugt per E-Mail, aber auch per Post oder persönlich im Sekretariat). Sollten zum Zeitpunkt Ihrer Bewerbung noch Dokumente fehlen (z.B. Zeugnisse), so können Sie diese auch später nachreichen.Für Ihre Online-Bewerbung brauchen Sie folgende Dokumente:GeburtsurkundeStaatsbürgerschaftsnachweis/ReisepassHochschulabschluss (Zeugnis des Bachelor- oder Diplomstudien-Abschlusses / gleichwertiges ausländisches Zeugnis)Transcript of RecordsNachweis Erweiterungs-CurriculumMotivationsschreiben in EnglischSprachnachweis Englisch (Minimum Level B2)KurzlebenslaufGgf Übersetzung fremdsprachiger Dokumente Aufnahmeverfahren Das Aufnahmeverfahren umfasst ein Gespräch mit Mitgliedern der Aufnahmekommission (Vertreter*innen von der Universität Wien und der FH Campus Wien). Dieses Gespräch findet bis auf Weiteres online statt. Den Termin für das Aufnahmeverfahren erhalten Sie vom Sekretariat.Ziel Ziel ist es, jenen Personen einen Studienplatz anzubieten, die das Aufnahmeverfahren mit den besten Ergebnissen abschließen. Die Testverfahren orientieren sich an den Fähigkeiten, die für den angestrebten Beruf erforderlich sind.Ablauf Im Bewerbungsgespräch beantworten Sie einige grundlegende fachspezifische Fragen, einige Fragen zu Ihrer Person und erläutern Ihre Motivation für die Studienwahl (Dauer: ca. 30 Minuten). Wenn Sie das geforderte Einstiegsniveau für das Studium noch nicht erreicht haben, erhalten Sie nach der Aufnahme Empfehlungen, wie Sie sich fachspezifisch am besten vorbereiten können.Kriterien Die Aufnahmekriterien sind ausschließlich leistungsbezogen. Für das mündliche Bewerbungsgespräch erhalten Sie Punkte. Daraus ergibt sich die Reihung der Kandidat*innen. Geographische Zuordnungen der Bewerber*innen haben keinen Einfluss auf die Aufnahme. Die Zugangsvoraussetzungen müssen erfüllt sein. Der Gesamtprozess sowie alle Testergebnisse und Bewertungen des Aufnahmeverfahrens werden nachvollziehbar dokumentiert und archiviert. Studieren mit Behinderung Sollten Sie Fragen zur Barrierefreiheit oder aufgrund einer Beeinträchtigung einen spezifischen Bedarf beim Aufnahmeverfahren haben, kontaktieren Sie bitte aus organisatorischen Gründen so früh wie möglich Ursula Weilenmann unter barrierefrei@fh-campuswien.ac.at.Da wir bemüht sind, bei der Durchführung des schriftlichen Aufnahmetests den individuellen Bedarf aufgrund einer Beeinträchtigung zu berücksichtigen, bitten wir Sie, bereits bei der Online-Bewerbung bei Frau Weilenmann bekanntzugeben, in welcher Form Sie eine Unterstützung benötigen.Ihre Ansprechperson in der Abteilung Gender & Diversity Management:Mag.a Ursula Weilenmann Mitarbeiterin Gender & Diversity Managementbarrierefrei@fh-campuswien.ac.athttps://www.fh-campuswien.ac.at/barrierefrei Kontakt > FH-Prof. DI Dr. Igor Miladinovic Studiengangsleiter Computer Science and Digital Communications, Multilingual Technologies, Software Design and Engineering T: +43 1 606 68 77-2131igor.miladinovic@fh-campuswien.ac.at Sekretariat Mag.a Marion Bozsing Marina Paukovits Melanie PaukovitsFavoritenstraße 226, B.3.20 1100 Wien T: +43 1 606 68 77-2130 F: +43 1 606 68 77-2139informatik@fh-campuswien.ac.at Lageplan Hauptstandort Favoriten (Google Maps)Öffnungszeiten während des Semesters Mo, 10.00-12.00 Uhr und 13.00-16.00 Uhr Mi, 10.00-12.00 Uhr und 13.00-16.00 Uhr Fr, 10.00-12.00 Uhr und 13.00-16.00 Uhr Masterstudium in Kooperation mit Fort- und Weiterbildung: Campus Wien AcademyDie Campus Wien Academy ist Teil der FH Campus Wien, der größten Fachhochschule Österreichs, und fokussiert sich auf die Fort- und Weiterbildung. Durchstöbern Sie unser Angebot oder kontaktieren Sie uns für eine individuelle Beratung!Zum aktuellen AngebotNewsalle News> Mitmachen beim OS.Car Racing Team!15.09.2022 // Die Mitglieder des OS.Car Racing Teams vereint nicht nur die Begeisterung fürs Konstruieren, Bauen und natürlich für Rennwagen im Allgemeinen. Das Team vereint der Wille, gemeinsam etwas zu schaffen und bei der Formula Student in Spielberg teilzunehmen. Sie fühlen sich angesprochen? Dann freut sich das OS.Car Racing Team auf Ihre Kontaktaufnahme – egal, aus welchem Department Sie kommen. mehr> Didaktische Konzepte aus Wien an Ivy-League-Uni präsentiert06.07.2022 // Wie können Studierende bestmöglich in Forschungsprojekte eingebunden werden, um das Erlernen neuer Technologien zu fördern? Und wie können Kurse effizient und skalierbar bei ständig steigender Nachfrage organisiert werden? Antworten auf diese Fragen lieferten Sigrid Schefer-Wenzl und Igor Miladinovic an der Columbia University in New York. mehr> Hackathon der Vielen. Mit Digitalisierung zu mehr sozialer Gerechtigkeit.28.06.2022 // Die Arbeiterkammer Wien und das Center for Technology and Society (CTS) veranstalten im September erstmals den „Hackathon der Vielen“ – den vielen, die nicht auf der Butterseite des Lebens gelandet sind. Für die besten Ideen winkt ein Preisgeld von 5.000 Euro. Die Anmeldung läuft! mehrEventsalle Events> Digitale Infowoche für Studieninteressierte aller Departments 21. bis 25.11.2022, täglich 09.00-19.00 Uhr, Online-Infosessions via Zoom Willkommen im Campusnetzwerk Passende Stellenangebote finden, wertvolle Mentoring-Beziehungen aufbauen und berufliches Netzwerk erweitern – werden Sie Teil unserer Community!Gleich kostenlos anmelden Downloads und Links Infofolder Multilingual Technologies (PDF 120 KB, nur auf Englisch verfügbar)Themenfolder Technik (PDF 1,6 MB)Ergebnisbericht AQ Austria (PDF 1 MB)
1. Semester LehrveranstaltungSWSECTSIntroduction to Computational Linguistics ILVIntroduction to Computational Linguistics ILV3SWS6ECTSLehrinhalte- Einführung in die Konzepte und Richtungen traditioneller Sprachwissenschaft - Klassische Aufgabenstellungen der Computerlinguistik - Vorstellung verschiedener Methoden zur Sprachverarbeitung von Tokenisierung bis hin zur Sentimentanalyse - Verschiedene NLP-Systeme und computerlinguistischer Analysemodelle - Diskussion des aktuellen Stands der Forschung sowie weiterführende Forschungsideen - Praktische Einarbeitung in grundlegende Methoden der automatischen SprachverarbeitungPrüfungsmodusImmanente Leistungsüberprüfung Schriftliche Abschlussprüfung, laufende Abgaben von Implementierungen, Präsentationen.Lehr- und LernmethodeVortrag/Vorlesung, Praktische Übungen, Präsentationen, Diskussionen, Feedback.SpracheEnglisch36Introduction to Machine Learning for Language Processing ILVIntroduction to Machine Learning for Language Processing ILVVortragende: Liad Magen3SWS6ECTSLehrinhalte- ML-Definition, Anwendungsgebiete und Klassifikation der ML-Algorithmen (Supervised, Unsupervised, Reinforcement Learning) - Klassische ML-Algorithmen: kNN, Decision Trees, Naïve Bayes, NN, SVM, Ensamble Learning und Random Forest - Typische Vorgehensweise bei ML-Projekten: Anforderungen definieren, Daten sammeln, filtern und darstellen, Features definieren und extrahieren, Algorithmen einsetzen und deren Performance evaluieren, iterative ML-Pipeline verbessern. - Einführung in Deep Learning: CNN, RNN, Generative NetworksPrüfungsmodusImmanente Leistungsüberprüfung Teilnahme an Diskussionen, Ausarbeitung der Übungsbeispiele, Eigenes ML-Projekt, schriftliche PrüfungLehr- und LernmethodeTheorievermittlung in Unterricht, Diskussion der praktischen Beispiele, Eigenes ML-ProjektSpracheEnglisch36Multilingual and Crosslingual Methods and Language Resources VOMultilingual and Crosslingual Methods and Language Resources VO2SWS4ECTSLehrinhalte- Verschiedene Arten der Sprachressourcen (Terminologie, Lexikon, Kontrolliertes Vokabular, Thesaurus etc.) - Methoden zur Darstellung, Erstellung, Verbreitung und Verwendung von multilingualen Sprachressourcen einschließlich des Ansatzes der Linguistic Linked Open Data (LLOD) und der linguistischen Data Science im Allgemeinen - Multilinguale und crosslinguale Methoden zur Verbesserung der Kommunikation mithilfe von Sprachressourcen und computerlinguistischen Ansätzen - Praktische Beispiele aus dem Bereich der LLODPrüfungsmodusEndprüfung Schriftliche Endprüfung.Lehr- und LernmethodeVorlesung/Vortrag, Diskussion, Falllösungen.SpracheEnglisch24Programming and Algorithms for Language Technologies VOProgramming and Algorithms for Language Technologies VOVortragende: Dipl.-Ing. Georg Mansky-Kummert, Dipl.-Ing. Branislav Miskovic1SWS2ECTSLehrinhalteDie Lehrveranstaltung vermittelt Programmierkenntnisse mit Hilfe der Programmiersprache Python. Basiswissen wird vorausgesetzt, am Beginn der LV werden die Grundlagen wiederholt. Auch Techniken wie das Debuggen und die Verwendung von Git zur Versionsverwaltung werden besprochen. Außderm werden folgende Themenbereiche behandelt: * Datenstrukturen * Reguläre Ausdrücke und Suchalgorithmen (A*-Algorithmus, Beam Search, ...) * Verwendung von Application Programming Interfaces (APIs), JSON, XML * Grundlagen des Information RetrievalPrüfungsmodusImmanente Leistungsüberprüfung Teilleistungen in Form von Einzelarbeit, Gruppenarbeit und Präsentationen. Mündliche Endprüfung.Lehr- und LernmethodeVorlesung/Vortrag.SpracheEnglisch12Programming and Algorithms for Language Technologies UEProgramming and Algorithms for Language Technologies UEVortragende: Dipl.-Ing. Georg Mansky-Kummert, Dipl.-Ing. Branislav Miskovic2SWS4ECTSLehrinhalteDie LV vermittelt Grundbegriffe der objektorientierten Programmierung mit Hilfe der Programmiersprache Python. Es werden Konzepte von Programmiersprachen, wie Kontrollstrukturen, elementare Datentypen, Datenstrukturen, Klassen, Objekte und Funktionen gelehrt. Weiters wird der Entwurf von Programmen, sowie deren Analyse und Techniken zum Debuggen, Tracing und Testen vermittelt. Die LV deckt insbesondere die folgenden Inhalte ab: - Grundlagen der Programmierung - Variablen und Datentypen - Operatoren - Kontrollstrukturen - Fehlerbehandlung - Grundlagen der Objektorientierung - Sortieralgorithmen - SuchalgorithmenPrüfungsmodusImmanente Leistungsüberprüfung Teilleistungen in Form von Gruppenarbeit und PräsentationenLehr- und LernmethodeKleingruppenarbeit, Praktische Übungen, Präsentation von erarbeiteten Ergebnissen.SpracheEnglisch24Statistical Methods for Language Processing ILVStatistical Methods for Language Processing ILVVortragende: Dr. Christian Steineder2SWS4ECTSLehrinhalte- Wahrscheinlichkeitsrechnung - Daten analysieren, filtern und visualisieren - Testen der Hypothesen - Statistische Schätzer - Experiment Design - Vorgehensweise in statistischen ProjektenPrüfungsmodusImmanente Leistungsüberprüfung Aktivität bei Vorlesungen und Übungen: Teilnahme an Diskussionen, Ausarbeitung der Übungsbeispiele, eigenes statistisches Projekt, schriftliche PrüfungLehr- und LernmethodeTheorievermittlung in Unterricht, Diskussion der praktischen Beispiele, Eigenes ProjektSpracheEnglisch24Translation Technologies VOTranslation Technologies VO2SWS4ECTSLehrinhalte- Einführung in verschiedene Arten der Übersetzungstechnologien von computergestützter Übersetzung (CAT) bis zur automatisierten maschinellen Übersetzung - Kritische Analyse der Wahrnehmung verschiedener Technologien im Unternehmen sowie Vor- und Nachteile jeder einzelnen Technologie - Überblick über verschiedene Hilfsmittel und verfügbare Systeme in den jeweiligen Technologien - Überblick über den aktuellen Forschungsstand und interessante offene Forschungsfragen in diesem größeren Themenbereich - Einblicke in Methoden der Qualitätsverbesserung von Pre- und Post-Editing bis hin zum Revisionsprozess in der Übersetzung - Praktische Arbeit mit einem System der computergestützten ÜbersetzungPrüfungsmodusImmanente Leistungsüberprüfung Schriftliche Endprüfung, praktische Übungen, Präsentationen.Lehr- und LernmethodeVorlesung/Vortrag, Praktische Übungen, Diskussionen, Feedback, Falllösungen.SpracheEnglisch24
2. Semester LehrveranstaltungSWSECTSBasics in Machine Translation ILVBasics in Machine Translation ILV3SWS5ECTSLehrinhalte- Einführung in die verschiedenen Ansätze der maschinellen Übersetzung von statistischen über regelbasierte bis hin zu neuronalen und hybriden Ansätzen - Einführung in grundlegende Konzepte und Algorithmen der statistischen maschinellen Übersetzung - Einführung in grundlegende Konzepte und Algorithmen der neuronalen maschinellen Übersetzung - Kritische Analyse der Vor- und Nachteile einzelner Systeme sowie Ziel und Zweck der jeweiligen Ansätze - Grundlegende Kenntnisse zu Methoden der Evaluation von maschineller Übersetzung - Praktische Einführung zu konkreten ÜbersetzungsmodellenPrüfungsmodusImmanente Leistungsüberprüfung Schriftliche Endprüfung, praktische Übungen, Präsentationen.Lehr- und LernmethodeVorlesung/Vortrag, Praktische Übungen, Arbeitsaufträge, Diskussionen, Feedback, Falllösungen.SpracheEnglisch35Information Design for Language Data ILVInformation Design for Language Data ILV2SWS4ECTSLehrinhalte- Grundlagen des Informationsdesigns - Zielgruppenorientierte Gestaltung von Medien und Information - Designentwicklung auf Basis kognitionswissenschaftlicher Prinzipien - Grundlagen der Gestalt- und Wahrnehmungspsychologie - Methoden des Informationsdesigns für verschiedene Medien - Anwendungen in Web, Virtual und Augmented Reality usw.PrüfungsmodusImmanente Leistungsüberprüfung Teilleistungen durch aktive Teilnahme an Diskussionen und der Ausarbeitung von Übungsbeispielen, Eigenes Informationsdesign-Projekt, schriftliche Prüfung.Lehr- und LernmethodeTheorievermittlung in Unterricht, interdisziplinäre Ringvorlesungen, Diskussion der praktischen Beispiele; Eigenes Informationsdesign Projekt.SpracheEnglisch24Information Extraction and Retrieval for Multilingual Natural Language Data ILVInformation Extraction and Retrieval for Multilingual Natural Language Data ILV3SWS6ECTSLehrinhalte- Retrieval-Modelle: Boolsche, Vektorraum, Probabilistisches - Repräsentation von Inhalten: Freitextsuche, Dokumentationssprachen, spezielle Logiken, Indexierung usw.) - Machine-Learning-Konzepte und -Techniken: Clustering, Classification - Deep Learning in Information Retrieval - Web-Retrieval: Link-Analyse, Crawling, SuchmaschinenPrüfungsmodusImmanente Leistungsüberprüfung Teilleistungen durch aktive Teilnahme an Diskussionen und der Ausarbeitung von Übungsbeispielen, eigenes IR-Projekt, schriftliche Prüfung.Lehr- und LernmethodeTheorievermittlung in Unterricht, Diskussion der praktischen Beispiele; eigenes IR-ProjektSpracheEnglisch36Machine Learning Methods for Language Processing VOMachine Learning Methods for Language Processing VO1SWS2ECTSLehrinhalte- 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 DLPrüfungsmodusModulprüfungLehr- und LernmethodeTheoretischer Unterricht , Diskussion der praktischen Beispiele, eigenes DL-ProjektSpracheEnglisch12Machine Learning Methods for Language Processing UEMachine Learning Methods for Language Processing UE2SWS4ECTSLehrinhalte- 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 DLPrüfungsmodusModulprüfungLehr- und LernmethodeTheoretischer Unterricht , Diskussion der praktischen Beispiele, eigenes DL-ProjektSpracheEnglisch24Speech Technologies ILVSpeech Technologies ILV3SWS6ECTSLehrinhalte- Speech Technologies und Automatic Speech Recognition (ASR) - Grundlagen der Phonetik und Phonologie - Neuronale Netze für Sprachtechnologien - Einführung in Dialogsysteme - Praktische Einarbeitung in ASR und Sprach-zu-Sprach-SystemenPrüfungsmodusEndprüfung Schriftliche Abschlussprüfung, Teilleistungen in Form praktischer ÜbungenLehr- und LernmethodeVortrag/Vorlesung, Praktische Übungen, Präsentationen, Diskussionen, Feedback.SpracheEnglisch36Transcultural Communication VOTranscultural Communication VO2SWS3ECTSLehrinhalte- Transkulturelle Kommunikation aus der Perspektive verschiedener Disziplinen (mit Fokus auf der Translationswissenschaft) - Kommunikationswissenschaftliche Grundlagen intra-, inter- und multilinguale Barrieren und Transkulturalität - Online kollaborative Translation als transkulturelle Kommunikation - Konzeptuelle Fragen und Problemstellungen - Technikfolgenabschätzung und ethische Erwägungen - Transkulturelle Kommunikation und Translation im TeamPrüfungsmodusEndprüfung Schriftliche Endprüfung.Lehr- und LernmethodeVorlesung/Vortrag, Diskussion, Fallbeispiele.SpracheEnglisch23
3. Semester LehrveranstaltungSWSECTSAcademic Writing ILVAcademic Writing ILV2SWS5ECTSLehrinhalte- Systematisches Recherchieren und Rezipieren wissenschaftlicher Arbeiten - Richtiges Zitieren - Sprachregister: formal vs. informell - akademische Terminologie und Formulierungen - Struktur eines Absatzes - Struktur einer wissenschaftlichen Arbeit - Sprachliche Präsentation der gewählten Methode, erzielten Ergebnisse und daraus resultierenden Diskussion - Beschreiben statistischer und qualitativer DatenPrüfungsmodusEndprüfung Schreib- und Rechercheübungen, schriftliche Seminararbeit.Lehr- und LernmethodeSchreib- und Rechercheübungen, Korrekturaufgaben, Feedback, Diskussion, Problembasiertes Lernen.SpracheEnglisch25Advanced Machine Translation ILVAdvanced Machine Translation ILV3SWS5ECTSLehrinhalte- Theoretische Erarbeitung verschiedener Architekturen im Bereich der neuronalen maschinellen Übersetzung - Theoretischer Überblick über den aktuellen Stand der Forschung und interessante derzeitige Forschungsthemen, z. B. maschinelle Übersetzung mit nur geringen verfügbaren Trainingsdaten - Kritische Auseinandersetzung mit Vor- und Nachteilen der jeweiligen Systeme - Analyse und Diskussion der gängigen Praxis bezüglich der Anwendung maschineller Übersetzungssysteme im Unternehmen - Praktische Erarbeitung von konkreten aktuellen Modellen der neuronalen maschinellen Übersetzung sowie deren EvaluationsmethodenPrüfungsmodusImmanente Leistungsüberprüfung Schriftliche Endprüfung, praktische Übungen, Präsentationen.Lehr- und LernmethodeVorlesung/Vortrag, Praktische Übungen, Arbeitsaufträge, Diskussionen, Feedback, Falllösungen.SpracheEnglisch35Human-Computer Interaction for Computational Linguists ILVHuman-Computer Interaction for Computational Linguists ILV2SWS4ECTSLehrinhalte- Psychologische Aspekte des HCIs - Benutzerfreundlichkeit - Benutzerforschung - Benchmarking der Benutzerfreundlichkeit - Interaktionsgestaltung - Prototyping - Methoden zur Untersuchung und Prüfung der Benutzerfreundlichkeit - Benutzerfreundlichkeit in der PraxisPrüfungsmodusImmanente Leistungsüberprüfung Fallbeispiele, Gruppenübung, schriftliche Endprüfung.Lehr- und LernmethodeFallstudien, Praktische Übungen, VortragSpracheEnglisch24Software Engineering for Language Technologies ILVSoftware Engineering for Language Technologies ILV3SWS6ECTSLehrinhalteEs werden organisatorische Möglichkeiten zur Strukturierung der Software-Entwicklung in Form von Prozessmodellen, wie Wasserfall-Modell, Spiral-Modell und Agile Modelle dargelegt. Bei den technischen Aspekten des Software Engineerings wird vor allem die Erstellung von objektorientierten Systemen und deren Modellierung im Bereich Maschinelles Lernen behandelt. Die LV deckt insbesondere die folgenden Inhalte ab: - Requirements Engineering - Use Cases - High Level Design - Software-Engineering-Aspekte im Bereich Maschinelles Lernen - Ausgewählte UML Diagramme - VorgehensmodellePrüfungsmodusImmanente Leistungsüberprüfung Gruppenarbeiten, schriftliche Endprüfung.Lehr- und LernmethodeBlended learning, Gastvorträge, Experiential learning, CoachingSpracheEnglisch36 Internship (10 ECTS nach Wahl)LehrveranstaltungSWSECTS Internship FH Campus Wien MODUL 210 Internship Universität Wien MODUL 210
4. Semester LehrveranstaltungSWSECTSData Protection and Privacy for Computational Linguists ILVData Protection and Privacy for Computational Linguists ILV1SWS2ECTSLehrinhalteDie Lehrveranstaltung soll einen Überblick über grundlegende Rechtsfragen aus den Bereichen Datenschutz und Datensicherheit abdecken. Dabei wird insbesondere auf praktisch relevante Themen eingegangen. Komplexe Sachverhalte werden anhand datenschutzrechtlicher Grundsätze analysiert und besprochen, wobei ein besonderer Fokus auf aktuellen nationalen wie auch internationalen Entwicklungen liegt. - Einführung in das österreichische und europäische Rechtsystem - Einführung in das Datenschutzrecht - Schutz der Privatsphäre und allgemeiner Persönlichkeitsschutz - Grundsätze der Verarbeitung personenbezogener Daten - Datenschutzrechtliche Rollen - Betroffenenrechte und Pflichten des Verarbeiters - Einblick in Datensicherheitskonzepte - Privacy by Design und Privacy by Default - E-Privacy - Grundlagen der Cybersicherheit - Aufgaben und Befugnisse der datenschutzrechtlichen Aufsichtsbehörde sowie verfahrensrechtliche AspektePrüfungsmodusImmanente Leistungsüberprüfung - Aktivitäten bei Vorlesungen und Übungen: Teilnahme an Diskussionen - Mitarbeit - Schriftliche PrüfungLehr- und Lernmethode- Theorievermittlung in Vorträgen - Diskussion der praktischen BeispieleSpracheEnglisch12IT Project Management for Computational Linguists ILVIT Project Management for Computational Linguists ILV1SWS2ECTSLehrinhalteProjektmanagement ist die Anwendung von Wissen, Können, Werkzeugen und Techniken auf Projektaktivitäten, um Projektanforderungen zu erfüllen. Der*Die Projektmanager*in hat die Aufgabe, die Erwartungen der Stakeholder an das Projekt zu erfüllen. Die LV deckt insbesondere die folgenden Inhalte ab: - Die Vertiefung in die Wissensgebiete des Projektmanagements (zum Beispiel: Integrationsmanagement, Zeitmanagement, Kostenmanagement, Qualitätsmanagement und Risikomanagement) - Die Projektleitung über Kulturgrenzen hinweg - Das Management von virtuellen Teams - Rechtliche Aspekte in IT-ProjektenPrüfungsmodusImmanente Leistungsüberprüfung Schriftliche Endprüfung, Ausarbeitung einer Fallstudie.Lehr- und LernmethodeFallstudien, VortragSpracheEnglisch12Master Colloquium SEMaster Colloquium SE2SWS4ECTSLehrinhalte- Auffrischung Forschungsmethodik - Auffrischung und Vertiefung gute Praxis wissenschaftlichen Arbeitens - Präsentationstechniken und -arten für wissenschaftliche Arbeiten - Methoden zur Erstellung eines MasterarbeitskonzeptsPrüfungsmodusImmanente Leistungsüberprüfung Mündliche Präsentation, schriftliche Arbeit in Form eines Exposés.Lehr- und LernmethodeGruppenarbeit, Diskussion, Präsentation, Feedback, interaktive Vorlesung mit praktischen Übungen.SpracheEnglisch24Master's Finals APMaster's Finals AP0SWS2ECTSLehrinhalte• Präsentation und Diskussion der Abschlussarbeit • Fachdiskussion Die Defensio besteht aus der Präsentation und Verteidigung der Masterarbeit sowie einer Prüfung über deren wissenschaftliches Umfeld sowie einer Prüfung, die ein weiteres, vom Umfeld der Masterarbeit wesentlich zu unterscheidendes Prüfungsfach aus den Pflichtmodulen umfasst.PrüfungsmodusEndprüfung Kommissionelle Prüfung (Masterprüfung)Lehr- und LernmethodeSelbstständiges ErarbeitenSpracheEnglisch02Master's Thesis MTMaster's Thesis MT0SWS20ECTSLehrinhalte- Selbstständige Bearbeitung einer fachlich relevanten Thematik basierend auf den technischen Themen der Wahlpflichtmodule im dritten Semester auf wissenschaftlichem Niveau unter Anleitung eines*r Betreuer*in - Ausarbeitung der MasterarbeitPrüfungsmodusEndprüfung Approbation der Masterarbeit (Seminararbeit)Lehr- und LernmethodeSelbstständiges Arbeiten unterstützt durch CoachingSpracheEnglisch020
Zulassungsvoraussetzungen Die Zulassung zum Masterstudium Multilingual Technologies setzt einen fachlich in Frage kommenden Bachelorabschluss (z. B. Computer Science and Digital Communications der FH Campus Wien oder Transkulturelle Kommunikation der Universität Wien) sowie folgende fachspezifische Kenntnisse voraus:a. Grundkenntnisse der Sprachtechnologien und Fachkommunikationb. Grundlagen der Informatik, grundlegende Methoden und Tools des Software EngineeringsKenntnisse angeführt unter a) sind durch das Bachelorstudium Transkulturelle Kommunikation oder die Absolvierung des Erweiterungscurriculums Sprachtechnologien und Fachkommunikation am Zentrum für Translationswissenschaft erfüllt. Kenntnisse angeführt unter b) sind durch das Bachelorstudium Computer Science and Digital Communications oder die Absolvierung des Erweiterungscurriculums Informatik (für Studierende der Universität Wien) an der FH Campus Wien erfüllt.Regelung für Studierende aus Drittstaaten (PDF 294 KB)Informationen zur Beglaubigung von ausländischen Dokumenten (PDF 145 KB)
Bewerbung Online + MotivationsschreibenBitte beachten Sie: Ein Zwischenspeichern der Online-Bewerbung ist nicht möglich. Sie müssen Ihre Bewerbung in einem Durchgang abschließen. Ihre Bewerbung ist gültig, sobald alle verlangten Dokumente und Unterlagen bei uns eingelangt sind (bevorzugt per E-Mail, aber auch per Post oder persönlich im Sekretariat). Sollten zum Zeitpunkt Ihrer Bewerbung noch Dokumente fehlen (z.B. Zeugnisse), so können Sie diese auch später nachreichen.Für Ihre Online-Bewerbung brauchen Sie folgende Dokumente:GeburtsurkundeStaatsbürgerschaftsnachweis/ReisepassHochschulabschluss (Zeugnis des Bachelor- oder Diplomstudien-Abschlusses / gleichwertiges ausländisches Zeugnis)Transcript of RecordsNachweis Erweiterungs-CurriculumMotivationsschreiben in EnglischSprachnachweis Englisch (Minimum Level B2)KurzlebenslaufGgf Übersetzung fremdsprachiger Dokumente
Aufnahmeverfahren Das Aufnahmeverfahren umfasst ein Gespräch mit Mitgliedern der Aufnahmekommission (Vertreter*innen von der Universität Wien und der FH Campus Wien). Dieses Gespräch findet bis auf Weiteres online statt. Den Termin für das Aufnahmeverfahren erhalten Sie vom Sekretariat.Ziel Ziel ist es, jenen Personen einen Studienplatz anzubieten, die das Aufnahmeverfahren mit den besten Ergebnissen abschließen. Die Testverfahren orientieren sich an den Fähigkeiten, die für den angestrebten Beruf erforderlich sind.Ablauf Im Bewerbungsgespräch beantworten Sie einige grundlegende fachspezifische Fragen, einige Fragen zu Ihrer Person und erläutern Ihre Motivation für die Studienwahl (Dauer: ca. 30 Minuten). Wenn Sie das geforderte Einstiegsniveau für das Studium noch nicht erreicht haben, erhalten Sie nach der Aufnahme Empfehlungen, wie Sie sich fachspezifisch am besten vorbereiten können.Kriterien Die Aufnahmekriterien sind ausschließlich leistungsbezogen. Für das mündliche Bewerbungsgespräch erhalten Sie Punkte. Daraus ergibt sich die Reihung der Kandidat*innen. Geographische Zuordnungen der Bewerber*innen haben keinen Einfluss auf die Aufnahme. Die Zugangsvoraussetzungen müssen erfüllt sein. Der Gesamtprozess sowie alle Testergebnisse und Bewertungen des Aufnahmeverfahrens werden nachvollziehbar dokumentiert und archiviert.
> FH-Prof. DI Dr. Igor Miladinovic Studiengangsleiter Computer Science and Digital Communications, Multilingual Technologies, Software Design and Engineering T: +43 1 606 68 77-2131igor.miladinovic@fh-campuswien.ac.at
Fort- und Weiterbildung: Campus Wien AcademyDie Campus Wien Academy ist Teil der FH Campus Wien, der größten Fachhochschule Österreichs, und fokussiert sich auf die Fort- und Weiterbildung. Durchstöbern Sie unser Angebot oder kontaktieren Sie uns für eine individuelle Beratung!Zum aktuellen Angebot
> Mitmachen beim OS.Car Racing Team!15.09.2022 // Die Mitglieder des OS.Car Racing Teams vereint nicht nur die Begeisterung fürs Konstruieren, Bauen und natürlich für Rennwagen im Allgemeinen. Das Team vereint der Wille, gemeinsam etwas zu schaffen und bei der Formula Student in Spielberg teilzunehmen. Sie fühlen sich angesprochen? Dann freut sich das OS.Car Racing Team auf Ihre Kontaktaufnahme – egal, aus welchem Department Sie kommen. mehr
> Didaktische Konzepte aus Wien an Ivy-League-Uni präsentiert06.07.2022 // Wie können Studierende bestmöglich in Forschungsprojekte eingebunden werden, um das Erlernen neuer Technologien zu fördern? Und wie können Kurse effizient und skalierbar bei ständig steigender Nachfrage organisiert werden? Antworten auf diese Fragen lieferten Sigrid Schefer-Wenzl und Igor Miladinovic an der Columbia University in New York. mehr
> Hackathon der Vielen. Mit Digitalisierung zu mehr sozialer Gerechtigkeit.28.06.2022 // Die Arbeiterkammer Wien und das Center for Technology and Society (CTS) veranstalten im September erstmals den „Hackathon der Vielen“ – den vielen, die nicht auf der Butterseite des Lebens gelandet sind. Für die besten Ideen winkt ein Preisgeld von 5.000 Euro. Die Anmeldung läuft! mehr
> Digitale Infowoche für Studieninteressierte aller Departments 21. bis 25.11.2022, täglich 09.00-19.00 Uhr, Online-Infosessions via Zoom