DI Dr. techn. Mugdim Bublin
Academic Staff; City of Vienna Endowed Professorship for Artificial Intelligence
mugdim.bublin@fh-campuswien.ac.at
+43 1 606 68 77-2133
+43 1 606 68 77-2139
Room: B.3.14
Favoritenstraße 226
1100 Wien
Lectures
Engineering
berufsbegleitend, SS2025 more
AI Engineering ILV
Lector: DI Dr. techn. Mugdim Bublin, Dr. Henrik Schulz, Christoph Vogl, Bakk. BSc MSc
Lecture contents
Es wird auf folgende Inhalte eingegangen:
- Einführung, Modus, Motivation
- Grundlagen von Machine Learning (ML) und Deep Learning (DL)
- ML Design: Daten sammeln und vorbereiten, ML/DL Algorithmen auswählen und trainieren, Modelle evaluieren und optimieren, AI-Lösungen im Betrieb einzusetzen
- Interdisziplinäre AI-Anwendungen in Medizin und Industrie entwickeln
- Safety, Security, Ethik und Mensch-AI-Kooperation beim Design der AI-Lösungen einbeziehen
Die Übung deckt die folgenden Inhalte ab:
- Auswahl einer interdisziplinären Anwendung
- ML/DL Pipeline für die Anwendung entwickeln
- Data Engineering
- Einsatz und Evaluierung von ML und DL Algorithmen in der Anwendung
- Einbeziehen von Safety, Security, Ethik und Mensch-AI Kooperation Aspekte in der Anwendung
Assessment methods
Endprüfung
Schriftliche Prüfung (50%) - Eigenes Projekt (50%) Zusätzlich sind bis zu 10 Punkte durch die Aktivität zu bekommen: Fragen stellen, Fragen beantworten, zusätzliche Übungen
Teaching methods
Fallstudien, praktische Übungen, Vortrag
Language
Deutsch-Englisch
berufsbegleitend, WS2024/25 more
Deep Learning and Virtual Reality UE
Lector: DI Dr. techn. Mugdim Bublin
Lecture contents
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
Assessment methods
Modulprüfung
Teaching methods
Fallstudien, Vortrag, praktische Übung in Gruppen.
Language
Deutsch
berufsbegleitend, WS2024/25 more
Deep Learning and Virtual Reality VO
Lector: DI Dr. techn. Mugdim Bublin
Lecture contents
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
Assessment methods
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,
Teaching methods
Fallstudien, praktische Übungen, Vortrag
Language
Englisch
berufsbegleitend, WS2024/25 more
Master Thesis Project UE
Lector: Thomas Berger, BSc. MSc., Cornelia Brizsak, MA, DI Dr. techn. Mugdim Bublin, 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
Lecture contents
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.
Assessment methods
Immanente Leistungsüberprüfung
Projektfortschritt, Funktionsnachweis, Projektpräsentation
Teaching methods
-
Language
Deutsch-Englisch
berufsbegleitend, SS2025 more
Master-Arbeitsseminar SE
Lector: Thomas Berger, BSc. MSc., DI Dr. techn. Mugdim Bublin, 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
Lecture contents
- 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
Assessment methods
Immanente Leistungsüberprüfung
Präsentationen, Hausübungen
Teaching methods
Vortrag, Case Studies
Language
Deutsch
berufsbegleitend, WS2024/25 more
Software Engineering Project 1 UE
Lector: Thomas Berger, BSc. MSc., DI Dr. techn. Mugdim Bublin, FH-Prof. FH-Hon.Prof. Priv.-Doz. Mag. DI. DI. Dr.techn. Karl Michael Göschka, Dipl.-Ing.in Andrea Horvath, B.Eng, 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
Lecture contents
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.
Assessment methods
Endprüfung
Projektabgabe
Teaching methods
Gruppenarbeiten, praktische Projektumsetzung begleitet mit Übungen und Coaching
Language
Deutsch
berufsbegleitend, SS2025 more
Software Engineering Project 2 UE
Lector: Thomas Berger, BSc. MSc., DI Dr. techn. Mugdim Bublin, FH-Prof. FH-Hon.Prof. Priv.-Doz. Mag. DI. DI. Dr.techn. Karl Michael Göschka, Dipl.-Ing.in Andrea Horvath, B.Eng, 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
Lecture contents
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
Assessment methods
Endprüfung
Projektabgabe.
Teaching methods
Gruppenarbeiten, praktische Projektumsetzung begleitet mit Übungen und Coaching
Language
Deutsch
berufsbegleitend, WS2024/25 more
Internship FH Campus Wien PR
Lector: DI Dr. techn. Mugdim Bublin
Lecture contents
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.
Assessment methods
Endprüfung
Abgabe eines Praktikumsberichts.
Teaching methods
Berufspraktikum
Language
Englisch
berufsbegleitend, SS2025 more
Machine Learning Methods for Language Processing UE
Lector: DI Dr. techn. Mugdim Bublin, Dr. Henrik Schulz
Lecture contents
- 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
Assessment methods
Modulprüfung
Teaching methods
Theoretischer Unterricht , Diskussion der praktischen Beispiele, eigenes DL-Projekt
Language
Englisch
berufsbegleitend, SS2025 more
Machine Learning Methods for Language Processing VO
Lector: DI Dr. techn. Mugdim Bublin, Dr. Henrik Schulz
Lecture contents
- 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
Assessment methods
Modulprüfung
Teaching methods
Theoretischer Unterricht , Diskussion der praktischen Beispiele, eigenes DL-Projekt
Language
Englisch
Vollzeit, SS2025 more
Advanced AI and Data Science ILV
Lector: DI Dr. techn. Mugdim Bublin, Dr. Christian Steineder
Lecture contents
- 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.
Assessment methods
Immanente Leistungsüberprüfung
- Project work
- Exercises during lectures
- Final written exam
Teaching methods
- Lecture
- Group work (project)
- Practical exercises
- Continuous Discussion and feedback
Language
Englisch
berufsbegleitend, SS2025 more
Advanced AI and Data Science ILV
Lector: DI Dr. techn. Mugdim Bublin, Dr. Christian Steineder
Lecture contents
- 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.
Assessment methods
Immanente Leistungsüberprüfung
- Project work
- Exercises during lectures
- Final written exam
Teaching methods
- Lecture
- Group work (project)
- Practical exercises
- Continuous Discussion and feedback
Language
Englisch
Vollzeit, WS2024/25 more
Bachelorarbeit 1 SE
Lector: 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, Dipl.-Ing. Georg Mansky-Kummert, FH-Prof. DI Dr. Igor Miladinovic, Dr. Christian Steineder, Károly Szabó, MSc, Bernhard Taufner, BSc, MSc
Lecture contents
- 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
Assessment methods
Endprüfung
Approbation der Bachelorarbeit
Teaching methods
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.
Language
Deutsch
berufsbegleitend, WS2024/25 more
Bachelorarbeit 1 SE
Lector: 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, Dipl.-Ing. Georg Mansky-Kummert, FH-Prof. DI Dr. Igor Miladinovic, Dipl.-Ing. Branislav Miskovic, FH-Prof. Dipl.-Ing. Herbert Paulis, FH-Prof.in Mag.a Dr.in Sigrid Schefer-Wenzl, MSc BSc, Dr. Christian Steineder, Károly Szabó, MSc, Bernhard Taufner, BSc, MSc, Christoph Vogl, Bakk. BSc MSc
Lecture contents
- 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
Assessment methods
Endprüfung
Approbation der Bachelorarbeit
Teaching methods
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.
Language
Deutsch
Vollzeit, SS2025 more
Bachelorarbeit 2 SE
Lector: 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, Dipl.-Ing. Georg Mansky-Kummert, FH-Prof. DI Dr. Igor Miladinovic, FH-Prof.in Mag.a Dr.in Sigrid Schefer-Wenzl, MSc BSc, Silvia Schmidt, BSc MSc, Dr. Christian Steineder, Károly Szabó, MSc, Bernhard Taufner, BSc, MSc
Lecture contents
- 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
Assessment methods
Endprüfung
Approbation der Bachelorarbeit
Teaching methods
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.
Language
Deutsch
berufsbegleitend, SS2025 more
Bachelorarbeit 2 SE
Lector: 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, Dipl.-Ing. Georg Mansky-Kummert, FH-Prof. DI Dr. Igor Miladinovic, Dipl.-Ing. Branislav Miskovic, FH-Prof. Dipl.-Ing. Herbert Paulis, FH-Prof.in Mag.a Dr.in Sigrid Schefer-Wenzl, MSc BSc, Silvia Schmidt, BSc MSc, Dr. Christian Steineder, Károly Szabó, MSc, Bernhard Taufner, BSc, MSc
Lecture contents
- 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
Assessment methods
Endprüfung
Approbation der Bachelorarbeit
Teaching methods
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.
Language
Deutsch
berufsbegleitend, WS2024/25 more
Deep Learning ILV
Lector: DI Dr. techn. Mugdim Bublin, Dr. Christian Steineder
Lecture contents
- 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.
Assessment methods
Endprüfung
Performance assessment is done according to: - Project work - Exercises during lectures - Final written or oral exam
Teaching methods
- Lecture
- Group work (project)
- Practical exercises
- Continuous Discussion and feedback
Language
Englisch
Vollzeit, WS2024/25 more
Deep Learning ILV
Lector: DI Dr. techn. Mugdim Bublin, Dr. Christian Steineder
Lecture contents
- 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.
Assessment methods
Endprüfung
Performance assessment is done according to: - Project work - Exercises during lectures - Final written or oral exam
Teaching methods
- Lecture
- Group work (project)
- Practical exercises
- Continuous Discussion and feedback
Language
Englisch
Vollzeit, WS2024/25 more
Introduction to AI and Data Science ILV
Lector: DI Dr. techn. Mugdim Bublin, Dr. Henrik Schulz, Dr. Christian Steineder
Lecture contents
- 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
Assessment methods
Immanente Leistungsüberprüfung
- Project work
- Exercises during lectures
- Final written exam
Teaching methods
- Lecture
- Group work (project)
- Practical exercises
- Continuous Discussion and feedback
Language
Englisch
berufsbegleitend, WS2024/25 more
Introduction to AI and Data Science ILV
Lector: DI Dr. techn. Mugdim Bublin, Dr. Henrik Schulz, Dr. Christian Steineder
Lecture contents
- 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
Assessment methods
Immanente Leistungsüberprüfung
- Project work
- Exercises during lectures
- Final written exam
Teaching methods
- Lecture
- Group work (project)
- Practical exercises
- Continuous Discussion and feedback
Language
Englisch
berufsbegleitend, SS2025 more
Wahlfach-Projekt 1 UE
Lector: 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, 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
Lecture contents
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.
Assessment methods
Modulprüfung
Teaching methods
Gruppenarbeiten, praktische Projektumsetzung begleitet mit Übungen und Coaching.
Language
Deutsch
Vollzeit, SS2025 more
Wahlfach-Projekt 1 UE
Lector: 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, 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
Lecture contents
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.
Assessment methods
Modulprüfung
Teaching methods
Gruppenarbeiten, praktische Projektumsetzung begleitet mit Übungen und Coaching.
Language
Deutsch
Vollzeit, WS2024/25 more
Wahlfach-Projekt 2 UE
Lector: 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, Dipl.-Ing. Georg Mansky-Kummert, FH-Prof. DI Dr. Igor Miladinovic, Dr. Christian Steineder, Károly Szabó, MSc, Bernhard Taufner, BSc, MSc
Lecture contents
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.
Assessment methods
Endprüfung
Praktisches Projekt in der Kleingruppe
Teaching methods
Gruppenarbeiten, praktische Projektumsetzung begleitet mit Übungen und Coaching.
Language
Deutsch
berufsbegleitend, WS2024/25 more
Wahlfach-Projekt 2 UE
Lector: 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, Dipl.-Ing. Georg Mansky-Kummert, FH-Prof. DI Dr. Igor Miladinovic, Dipl.-Ing. Branislav Miskovic, FH-Prof. Dipl.-Ing. Herbert Paulis, FH-Prof.in Mag.a Dr.in Sigrid Schefer-Wenzl, MSc BSc, Dr. Christian Steineder, Károly Szabó, MSc, Bernhard Taufner, BSc, MSc
Lecture contents
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.
Assessment methods
Endprüfung
Praktisches Projekt in der Kleingruppe
Teaching methods
Gruppenarbeiten, praktische Projektumsetzung begleitet mit Übungen und Coaching.
Language
Deutsch