Master-Studiengang AI Engineering

Künstliche Intelligenz gilt als eines der Schlüsselkonzepte der Digitalisierung, das viele Bereiche unseres täglichen Lebens betreffen wird. Menschen werden schon heute von intelligenten Bots im World Wide Web angesprochen, erste Autos fahren von selbst, Gamer spielen gegen smarte Computergegner in automatisch erzeugten künstlichen Welten, Proteine werden am Computer gefaltet, ÄrztInnen werden bei der Bildanalyse von Software unterstützt, die aus tausenden Bildern gelernt hat ... für die Zukunft stehen weitreichende Anwendungsfelder in Aussicht, denn AI-Algorithmen und deren Interaktion mit der Umwelt sind essenzielle Bestandteile der Entwicklung künftiger Soft- und Hardwaresysteme. Daher hat eine Analyse der FHTW hat ergeben, dass auch am Arbeitsmarkt eine stark wachsende Nachfrage nach ExpertInnen für Artifical Intelligence zu erwarten ist.

AI Engineering

Studierende entscheiden sich innerhalb des Studiengangs AI Engineering für eine von zwei Spezialisierungsrichtungen:

  • AI Technologies
  • Game Engineering
  • 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
  • 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

AbsolventInnen entwerfen, implementieren und integrieren AI basierte Systeme und AI Algorithmen auf Basis aktuellster Konzepte, Technologien, Programmiersprachen und Tools. Maschinelles Lernen, Visual Computing und Mixed Reality, Interactive AI, Verarbeitung von Sprache und Multimediadaten oder die intelligente Steuerung von virtuellen Charakteren sind Ausschnitte aus ihrer Welt. Design und Entwicklung von Unterstützungssystemen, Simulationsanwendungen oder Computerspielen sind nur Beispiele für Betätigungsfelder eines AI-Engineers. AbsolventInnen sind unter anderem als hochqualitative Software Engineers, Game Developer, DevOps-Engineer oder Smart Systems Engineers in praktisch allen Branchen gefragt.

 

Jetzt bewerben

Studiengangsleiter Bernhard Knapp im Technikum-Podcast

Präsentationsvideo des Studiengangs

Studiengangsleitung

Priv.-Doz. DI(FH) Dr. Bernhard Knapp

Studiengangsleitung Master AI Engineering
+43 1 333 40 77 - 4588
anrufen E-Mail senden

Studiengangsassistenz

Wilson Carla

Carla Wilson, BA

Studiengangs-Assistenz
T.: +43 1 333 40 77-384
anrufen E-Mail senden