Details

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

AI Engineering ILV
Software Design and 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

Deep Learning and Virtual Reality UE
Software Design and Engineering
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

Deep Learning and Virtual Reality VO
Software Design and Engineering
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

Master Thesis Project UE
Software Design and Engineering
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

Master-Arbeitsseminar SE
Software Design and Engineering
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

Software Engineering Project 1 UE
Software Design and Engineering
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

Software Engineering Project 2 UE
Software Design and Engineering
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

Internship FH Campus Wien PR
Multilingual Technologies
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

Machine Learning Methods for Language Processing U…
Multilingual Technologies
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

Machine Learning Methods for Language Processing V…
Multilingual Technologies
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

Advanced AI and Data Science ILV
Computer Science and Digital Communications
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

Advanced AI and Data Science ILV
Computer Science and Digital Communications
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

Bachelorarbeit 1 SE
Computer Science and Digital Communications
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

Bachelorarbeit 1 SE
Computer Science and Digital Communications
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

Bachelorarbeit 2 SE
Computer Science and Digital Communications
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, 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.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

Bachelorarbeit 2 SE
Computer Science and Digital Communications
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, 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. 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

Deep Learning ILV
Computer Science and Digital Communications
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

Deep Learning ILV
Computer Science and Digital Communications
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

Introduction to AI and Data Science ILV
Computer Science and Digital Communications
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

Introduction to AI and Data Science ILV
Computer Science and Digital Communications
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

Wahlfach-Projekt 1 UE
Computer Science and Digital Communications
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, 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

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

Wahlfach-Projekt 1 UE
Computer Science and Digital Communications
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, 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

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

Wahlfach-Projekt 2 UE
Computer Science and Digital Communications
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

Wahlfach-Projekt 2 UE
Computer Science and Digital Communications
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

Publications

Publications by Mugdim Bublin written at FH Campus Wien can be found in our publication database, as can the theses she supervised. All other publications are listed in the personal profile.