Studienplan Master AI Engineering

Hier finden Sie eine Vorschau für den neuen, vorbehaltlich der Akkreditierung durch die AQ Austria ab Wintersemester 2021 gültigen Studienplan:

1. Semester

Ausgleichsmodul

  • Computer Graphics Basics
  • Programming Basics
  • Machine Learning Basics
5 ECTS

AI Concepts & Algorithms

5 ECTS

Advanced Programming

5 ECTS

Software Engineering

5 ECTS

Mathematics

  • Numerical Methods
  • Probabilistic Methods
5 ECTS

Specialization 1

5 ECTS

 

2. Semester

Visual Computing

5 ECTS

Engine Architecture and Design

5 ECTS

Development Project 1

5 ECTS

Scientific Working and Ethics 

  • Scientific Work
  • Ethics
5 ECTS

Specialization 2 & 3

10 ECTS

 

3. Semester

Mixed Reality und Simulation

5 ECTS

Interactive AI

5 ECTS

Development Project 2

5 ECTS

Master Thesis Project

5 ECTS

Entrepreneurship

  • Business Model Innovation
  • Law
5 ECTS

Specialization 4

5 ECTS
4. Semester

Master Thesis Modul

  • Master Thesis Seminar
  • Master Thesis
30 ECTS

 

Spezialisierungen nach Vertiefungsrichtung

 

  • Specialization 1: Advanced Game Design
    Geschichte des Spiels & Definitionen, Formale Elemente des Spiels, Spielanalyse & -kritik, Die Bedeutung von Spielregeln, Level Design vs. Game Design, Enemy Design, Map Design, Technologische Einschränkungen, Balancing, Progression, User Experience – UX, Narration, Modding, User-Generated Content, Testen, Erstellen von High-Concepts (Woher kommt die Idee?), Bewerten eigener und fremder Game Design High-Concepts, Review and Auswahl eines Spielkonzepts für das Development Project
  • Specialization 2: Content Creation and Design Aspects
    Erstellung eines Storyboards, Erstellung eines Moodboards, Erstellung und Bearbeitung von 2D Vektorgrafiken, Erstellung und Bearbeitung von 2D Pixelgrafiken, 3D Modellierungstools, Prozedurale Content Generierung, Polygon-Modelling, UV Layouts, Grundlagen des Renderns, Animation, Rigging, Grundlage der Sounderstellung, Midi, Synthesizer, Tracker, etc., Akustik, Mikrofonierung, Recording, Mixing, Mastering
  • Specialization 3: Multiplayer und Realtime Networking
    Kommunikationsparadigmen, Client/Server, Peer to Peer, Distributed computing, Grid Computing, Cloud Gaming und Streaming Protokolle, Traffic Analyse; Latenz und Jitter Kompensation, Netzwerk Security, Application-Level Proxies, Gameworld clustering, Anticheat-Methoden, Loadbalancing für Servercluster, Test- und Qualitätssicherungsmethoden für Multiplayerspiele
  • Specialization 4: Multiplatform Development
    Mobil spezifische Themen (z.B. Entwicklungsumgebung, Design, Input), Vergleich von Programmiertechniken auf verschiedenen Betriebssystemen und Endgeräten, Cross-Platform and Multiplatform Toolchain, Web app & hybrid app development, OpenGL ES on Android, Metal on iOS, Game Engine Optimierung für mobile Plattformen, Konsolen Architektur, Unterschiede zwischen der Entwicklung für Windows und Konsolen, Pipeline-Hazards, Restricted Pointers, Data-Oriented Design, Messen und optimieren

 

  • Specialization 1: Knowledge Representation & Symbolic AI
    Grundlagen der Wissensrepräsentation, Aussagen- und Prädikatenlogik, Methoden der Wissensrepräsentation und –extraktion, Regelbasierte Systeme und Wissensbasierte Systeme, Deklaratives Problemlösen, Suchverfahren, Heuristiken und Evolutionäre Algorithmen
  • Specialization 2: Reinforcement Learning
    Grundlagen des Verstärkungslernens (uninformierte kombinatorische Suche, Wert-Iteration, dynamische Programmierung), Intelligente Soft- und Hardware-Agenten, Markov-Entscheidungsprobleme, Lernverfahren für Verstärkungslernen, AlphaZero, Swarm Intelligence
  • Specialization 3: Multimedia AI
    Grundlagen von Multimedia Daten, Data Mining und Knowledge Discovery in Databases, Semantic Web und Open Data, Multimedia Analytics, Textklassifikation, Entity Recognition und Sentiment Analyse, Big Data Infrastrukturen für multimediale und Zeitreihendaten, Sensor Data Analytics
  • Specialization 4: Deep Learning Engineering
    Grundlagen von künstlichen neuronalen Netzen, Computing Infrastruktur und effiziente Programmierung von Deep Learning Algorithmen, Deep Learning Software-Tools und Bibliotheken, Rekurrente Neuronale Netze und Architekturen für zeitabhängige Daten, Convolutional Neural Networks und Architekturen für Bilddaten, AI-generierte Inhalte und Deep Fakes mit GPT-2