Personendetails

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

Fallstudien, praktische Übungen, Vortrag

Endprüfung

Schriftliche Prüfung (50%) - Eigenes Projekt (50%) Zusätzlich sind bis zu 10 Punkte durch die Aktivität zu bekommen: Fragen stellen, Fragen beantworten, zusätzliche Übungen

- 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

- Lecture

- Group work (project)

- Practical exercises

- Continuous Discussion and feedback

Immanente Leistungsüberprüfung

- Project work

- Exercises during lectures

- Final written exam

Um den Aufbau und die Arbeitsweise aktueller Computersysteme zu verstehen wird in dieser LV ein Bottom-Up Ansatz verfolgt. Beginnend mit den Bits und Bytes werden aus den logischen Grundfunktionen komplexere Komponenten zusammengesetzt. Insbesondere das Verständnis über den Aufbau eines Mikroprozessors und das Zusammenwirken mit dem Bussystem, dem Programm- und dem Datenspeicher werden mit integrierten praktischen Übungen erlernt.

Die LV deckt insbesondere die folgenden Inhalte ab:

- Digitaltechnik (boolsche Algebra, Gatter, Flipflop, Register, Zahlensysteme)

- State-Maschine (Zustandsgraphen, Schaltwerke)

- Rechnerarchitekturen (Computergrundstrukturen, von Neumann - Architektur)

Vortrag und praktische Übungen (auf Papier, am PC, im Labor)

Endprüfung

Gruppenarbeiten

Aufbauend auf die Inhalte von Programmieren 1 werden in der ILV Programmieren 2 vertiefende Konzepte der Programmierung mit Java vorgetragen. Dabei liegt der Fokus auf eine gute Strukturierung des Programmes, die auch auf die Design Patterns aufbaut und mit dem Ziel eine saubere objektorientiete Lösung für eine Aufgabenstellung zu entwicklen. Weiters wird auf vertiefende Konzepte in der Programmierung eingegangen die das Erstellen eines Programmes einfacher machen und den aktuellen Stand der Programmierkonzepte darstellen.

Die LV deckt insbesondere die folgenden Inhalte ab:

- Designpatterns und die Umsetzung im Code

- Junit Testcases zu Methoden schreiben und die Programme modular entwicklen, damit sie testbar sind.

- Erklärung der 3-Schichten Architektur und Umsetzung anhand einer praktischen Aufgabe.

- Multi-Threading in Java und Umsetzung anhand einer praktischen Aufgabe

- Einsatz von Java Bibliotheken und Frameworks.

- Erweiterte Programmierkonzepte wie Java Streams und Lambda Expressions.

Theorievortrag mit passenden praktischen Übungsteil

Endprüfung

Gruppenarbeiten

- 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

- Lecture

- Group work (project)

- Practical exercises

- Continuous Discussion and feedback

Immanente Leistungsüberprüfung

- Project work

- Exercises during lectures

- Final written exam

Die LV vermittelt Grundbegriffe der objektorientierten Programmierung mit Hilfe der Programmiersprache Java. Es werden Konzepte von Programmiersprachen, wie Kontrollstrukturen, elementare Datentypen, Datenstrukturen, Klassen, Objekte und Methoden gelehrt. Weiters wird der Entwurf von Programmen, sowie deren Analyse und Techniken zum Debuggen, Tracing und Testen vermittelt. Durch das Arbeiten in Kleingruppen an einem Projekt werden Teamarbeit und Selbstorganisation gefördert.

Die LV deckt insbesondere die folgenden Inhalte ab:

- Grundlagen der Programmierung

- Variablen und Datentypen

- Operatoren

- Kontrollstrukturen

- Fehlerbehandlung

- Grundlagen der Objektorientierung

- Vererbung

- Polymorphismus

- Abstrakte Klassen

- Interfaces

- Datenstrukturen und Generics

Kurze Impulsvorträge, sofortiges Ausprobieren des Erlernten in praktischen Übungen, Gruppenarbeit, Präsentationen, Lerntagebücher

Endprüfung

Gruppenarbeit, praktische Übungen

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 Problemstellungen im Rahmen der F&E Tätigkeit der FH ist möglich.

Gruppenarbeiten, praktische Projektumsetzung begleitet mit Übungen und Coaching.

Endprüfung