Master Software Engineering: Lehrveranstaltungen und Informationen

Kurzbeschreibung

Softwaretesten für Fortgeschrittene mit vielen praktischen Übungen. Schwerpunkte sind Testfallfindung und Testabdeckung im Black- und White-Boxtesting. Darüberhinaus wird die Frage der Testqualität mittels Restfehlermessung und Testreife vertieft.

Methodik

Die Lernergebnisse werden Schritt für Schritt über die praktischen Übungen erarbeitet. Jedes Vorlesungsthema wird kurz vorgestellt, dann in einer Selbststudienphase zu Hause erarbeitet und dann in einer Lerneinheit gemeinsam im Hörsaal bearbeitet.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• professionell und methodisch Testfälle herzuleiten und deren Qualität zu bewerten.
• die Testreife einer Organisation zu bewerten und Restfehlerzahlen zu schätzen.

Lehrinhalte

• Black Box Testing (d.h. die Herleitung von möglichst guten Testfällen aus den Anforderungen)
• White Box Testing (d.h. die Herleitung von möglichst guten Testfällen aus Anforderungen und Code, objektive Messung der Testfallqualität, objektive Messung der Restfehlerrate)
• Testing Maturity (wie kann man die Reife einer Testorganisation steigern und wie kann man sie messen?)

Vorkenntnisse

Grundkenntnisse der Programmierung Grundkenntnisse des Software Testens

Literatur

• Selbststudienunterlagen werden durch die Vortragenden zur Verfügung gestellt.

Leistungsbeurteilung

• LV-Immanente Leistungsbeurteilung

Kurzbeschreibung

Die Lehrveranstaltung informiert über die Konzepte von fortgeschrittener Softwareentwicklung anhand von Theorieblöcken zu ausgewählten Kernkompetenzen wie Abstraktion, Refactoring und dem Umgang mit Abhängigkeiten. Zusätzlich werden Einzelübungen eingefordert, die vorgestellte Themen praktisch festigen und verständlich machen sollen.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• eine aus technischer Sicht passende Lösung für ein gegebenes Problem zu finden und zu argumentieren.
• bestehenden Legacy Source Code zu verstehen und aufgrund der gegebenen Probleme zu optimieren.
• qualitativ hochwertigere Software zu entwickeln.

Lehrinhalte

• Strukturiertes Refactoring
• Formen passender Abstraktion
• Design Patterns verstehen und anwenden
• Clean Code Prinzipien und Software Craftmanship
• Testbarkeit von Source Code und TDD
• Continious Integration und Continous Deployment in Software Projekten
• Anwenden von Consumer Driven Contract Testing

Vorkenntnisse

Programmierfertigkeiten in objektorientierten Sprachen wie Java oder C#. Grundverständnis für GOF Design Patterns. Grundverständnis für Clean Code Prinzipien.

Literatur

• siehe Moodle

Leistungsbeurteilung

• drei Einzelübungen; Test mit praktischem und theoretischem Part;

Kurzbeschreibung

Einführung in die Methoden der dreidimensionalen Computergraphik und Animation mit praktischen Übungen.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• 3D Modelle mit Blender3D zu entwickeln.
• diese Modelle mit Materialien und Texturen zu versehen und photorealistische Ansichten zu erzeugen.
• mittels Keyframing und Skeletten Animationen zu entwickeln.
• ein komplettes CG-Animationsprojekt zu planen und umzusetzen.

Lehrinhalte

• Unterrichtsmodule:
• Modellierung
• Texturierung
• Beleuchtung
• Path Tracing
• Globale Beleuchtung
• Computeranimation

Vorkenntnisse

Englischkenntnisse (Lesen)

Literatur

• Alan Watt: 3D Computer Graphics Blender Tutorials & Help

Leistungsbeurteilung

• Übungsaufgaben
• Schriftliche Prüfung am Semesterende

Kurzbeschreibung

Einführung in die Methoden der Bildverarbeitung. Beginnend mit der Bildaufnahme werden grundlegende Arbeitsschritte der Bildverarbeitung präsentiert. Die vorgestellten Methoden beziehen sich auf unterschiedliche Bildarten wie Intensitätsbilder, Tiefenbilder und Bildfolgen. Ein besonderer Schwerpunkt liegt in der Anwendung der Bildverarbeitung in der Praxis.

Methodik

Vorlesung Lösen von praktischen Aufgaben in Matlab Erarbeiten von Kurzvorträgen und Reports zu aktuellen Anwendungen der Bildverarbeitung

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• pixel- sowie nachbarschaftsbasierte Bildbearbeitungsfilter und -effekte in MATLAB zu implementieren.
• Farbraumkonvertierungen digitaler Bilder in MATLAB durchzuführen.
• digitale Bilder in MATLAB mit Standardverfahren zu verbessern, filtern und zu segmentieren, bzw. unterschiedliche Verfahren zu bewerten

Lehrinhalte

• MATLAB/Octave Grundlagen, Bildaufnahme, Punktoperationen, Anwendung und Funktionsweise von Filtern, 3D Vision und Bildfolgenanalyse.

Vorkenntnisse

Grundlagen imperativer Programmierung

Leistungsbeurteilung

• LV-Immanente Leistungsbeurteilung und Abschlussprüfung

Anmerkungen

-

Kurzbeschreibung

Softwaresysteme gibt es unzählige, doch sehr viele davon verursachen Probleme bei den Benutzern – egal ob im betrieblichen oder privaten Umfeld. Das kostet Geld, Zeit und Reputation, manchmal stellt dies sogar ein Sicherheitsrisiko dar! Wie entwickelt man aber Systeme, welche nachweislich den Anforderungen der tatsächlichen Benutzer entsprechen, sowohl in dem was sie bieten also auch wie? Nur derartig umgesetzte Systeme haben nachhaltig Erfolg, daher wird in dieser Lehrveranstaltung der Benutzer zentrierte Designansatz vermittelt.

Methodik

In dieser LV stehen neben direkt anwendbaren theoretischen Grundlagen zahlreiche praktische Beispiele im Vordergrund. Die Methodik und Inhalte wurden seit dem letzten WS komplett überarbeitet. Es werden in diesem WS mehr Vorkenntnisse vorrausgesetzt!

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• die Notwendigkeit und Vorteile eines User Centered Design Prozess zu erläutern bzw. für konkrete Projekte zu argumentieren
• die einzelnen Bestandteile/Phasen des User Centered Design Prozesses im Detail zu erläutern und für konkrete Projekte zu planen 
• eine Auswahl gängiger Methoden für konkrete Projekte anwenden können

Lehrinhalte

• Usability Engineering und UX Prozesse, Methoden und deren Anwendung, Fallstricke und Risikofaktoren
• Kognitions- und sozialpsychologische Grundlagen der UX Gestaltung

Vorkenntnisse

Grundlegende Kenntnisse zu dem Usability Enginering bzw. UX Design Ansatz und Phasen werden vorrausgesetzt. Ein Reader wird asap bereitgestellt, mittels welchem Studenten feststellen können, ob ihre Vorkenntnisse ausreichen bzw. ggf diese zu ergänzen.

Literatur

• tbd

Leistungsbeurteilung

• Laufende Überprüfungen der Inhalte der Fernlehreeinheiten Abschließender schriftlicher Test

Kurzbeschreibung

Diese Lehrveranstaltung vermittelt Evaluationsmethoden und Herausforderungen bei der Messung von Usability und User Experience. Mithilfe von Metriken und statistischen Verfahren können oftmals subjektive Erfahrungen quantifiziert und objektiv messbar gemacht werden.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• statistische Methoden korrekt anzuwenden um verschiedene Kenngrößen (time on task, task success) miteinander zu vergleichen
• diese statistischen Methoden in einem Projektumfeld korrekt anzuwenden
• eine Vielzahl von UX Metriken sowie deren Kategorien zu nennen und diese zu sammeln bzw. auszuwerten und zu interpretieren
• Messergebnisse (etwa auf Signifikanz) zu analysieren und geeignet darzustellen

Lehrinhalte

• Metriken, speziell zur Messung von User Experience
• Geeignete statistische Verfahren
• Visualisierung von Evaluationsergebnissen
• Reproduzierbarkeit von Ergebnissen

Vorkenntnisse

Grundlagen des User Centered Designs und der Software Usability

Literatur

• Bortz, Jürgen / Lienert, Gustav A. (2003) Kurzgefasste Statistik für die klinische Forschung : Leitfaden für die verteilungsfreie Analyse kleiner Stichproben, Springer, ISBN-13: 978-3540757375 Sauro, Jeff. (2012) Quantifying the User Experience: Practical Statistics for User Research, Morgan Kaufmann, ISBN-13: 978-0123849687 Tullis, Thomas / Albert, William. (2008) Measuring the User Experience: Collecting, Analyzing, and Presenting Usability Metrics, Morgan Kaufmann, ISBN-13: 978-0123735584 Publikationen und Paper facheinschlägiger Journals Foliensatz

Leistungsbeurteilung

• Kurztests zur Überprüfung des Fernlehrteils, Übungen in Kleingruppen und einzeln, abschließende schriftliche Prüfung

Kurzbeschreibung

Der Kurs vermittelt fundiertes UML-Wissen mit Fokus auf die Diagrammtypen Klassendiagramm, UseCase-Diagramm, Aktivitätsdiagramm und Sequenzdiagramm. Über die Modellierungsmethoden hinaus wird in dem Kurs auch Wissen über den formalen Aufbau der Modellierungssprache UML vermittelt. Teilnehmer lernen auch das Metamodell der UML kennen.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• sowohl statische als auch dynamische Eigenschaften eines IT-Systems in UML zu modellieren.
• für konkrete IT-Systeme die jeweils geeigneten UML-Diagrammtypen auszuwählen und anzuwenden.
• die formalen Eigenschaften der Modellierungssprache UML zu erklären.xxx
• die Qualität von UML-Modellen zu bewerten.

Lehrinhalte

• Formale Eigenschaften der UML Klassendiagramm UseCase Diagramm Aktivitätsdiagramm Sequenzdiagramm

Vorkenntnisse

Grundwissen der objektorientierten Programmierung vvvv

Literatur

• Weilkiens, Tim / Oestereich, Bernd: „UML 2 - Zertifizierung: Fundamental, Intermediate und Advanced"

Leistungsbeurteilung

• LV-Immanente Leistungsbeurteilung

Kurzbeschreibung

Aspekte der funktionalen Programmierung (lambda expressions, higher-order functions,...) sind mittlerweile in weit verbreiteten Programmiersprachen (C++, Java, Python,...) verfügbar. Diese LV zeigt, wie funktionale Konzepte verwendet werden können, um eleganten, prägnanten und leicht testbaren Code zu erstellen. Weiters werden Grundlagen wie Lambda-Kalkül und Seiteneffekte behandelt.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• generische funktionale Algorithmen (map, scan,...) zu implementieren und mit diesen konkrete Anwendungsfälle (z.B. Sortieralgorithmen) zu realisieren.
• das Konzept von Seiteneffekten bzw. Impure Functions zu erklären und Beispiele für ihren Einfluss in konkreten Programmen zu geben.
• die Konfluence-Eigenschaft von Reduktionssystemen und ihre Auswirkung auf funktionale Programmiersprachen zu erklären.
• Ausdrücke im Lambdakalkül zu reduzieren.

Lehrinhalte

• lambda expressions
• partielle Funktionsanwendung
• higher-order functions
• Lambda-Kalkül
• Seiteneffekte

Vorkenntnisse

Grundlegende Programmierkenntnisse in C++ oder Java

Leistungsbeurteilung

• ÜbungsaufgabenAbschlußprüfung

Kurzbeschreibung

Die Lehrveranstaltung deckt die Grundlagen des methodischen Requirements Engineering ab.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• im Rahmen eines IT-Projektes methodisches Requirements Engineering anzuwenden.
• eine Struktur für ein Anforderungsdokument festzulegen.
• einen Requirements Engineering Prozess zu definieren.

Lehrinhalte

• Qualitätskriterien von Software Requirements
• Software Requirements aus Prozesssicht

Vorkenntnisse

Software Engineering Grundwissen

Literatur

• Pilone, Dan: "UML 2.0 - kurz & gut" Pohl, Klaus / Rupp, Chris: "Basiswissen Requirements Engineering" Robertson, Suzanne / Robertson, James(2006): „Mastering the Requirements Process”

Leistungsbeurteilung

• LV-Immanente Leistungsbeurteilung

Kurzbeschreibung

Planung von Projekten

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• Projekte und die dabei auftretenden Probleme mit unterschiedlichen Methoden zu lösen (klassisches und agiles Projektmanagement)

Lehrinhalte

• Planung eines Projektes nach PMI / IPMA
• Planung eines Projektes mit agilen Projektmanagementmethoden

Vorkenntnisse

Detailliertes Projekt Management Know how empfehlenswert - Erfahrung in der Bewältigung von Projektsituationen

Literatur

• Projektmanagement nach PMI und IPMA
• Portny, Stanley E., 2013, Project Management For Dummies, 4th edition, Hoboken
• Portny, Stanley E., 2013, Projektmanagement für Dummies, 3. Auflage, Hoboken Literatur zu agilem Projektmanagement
• Caroll, John, 2012, Agile Project Management In Easy Steps, Warwickshire
• Layton, Mark, 2012, Agile Project Management for Dummies, Hoboken
• Oesterreich, Bernd und Weiss, Christian, 2008, APM - Agiles Projektmanagement: Erfolgreiches Timeboxing für IT-Projekte, Heidelberg

Leistungsbeurteilung

• Laufende Beurteilung der Mitarbeit
• Beurteilung von ausgearbeiteten Fernlehreaufgaben
• Beurteilung der Präsentationen in den Präsenzstunden

Kurzbeschreibung

Die Lehrveranstaltung vermittelt den Studierenden theoretische Kenntnisse zur Führung interkultureller, verteilter und internationaler (IDI-)Teams und bereitet sie darauf vor diese im beruflichen Kontext umzusetzen. Die persönliche Reflexion, das Behandeln von Fallbeispielen und das Üben von Verhaltensmöglichkeiten stehen im Mittelpunkt.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• Probleme, Chancen und Dynamiken in IVI-Teams (z.B. anhand der Kulturdimensionen, -identitäten) zu analysieren und das eigene Verhalten zu reflektieren.
• die Rolle der Führung in den unterschiedlichen Phasen der Teamentwicklung (z. B. nach Tuckman) insbesondere in IVI-Teams zu erläutern und relevante Führungshandlungen abzuleiten.
• Führungstrategien in IVI-Teams (z. B. Aufgaben und Instrumente) zu erläutern und beispielhaft zu entwickeln.

Lehrinhalte

• Multi-, Inter- und Transkulturalität
• Kulturaspekte (z.B Kulturdimensionen nach Hofstede und kulturelle Identität)
• Faktoren im internationalen Personalmanagement
• Charakertistika verteilter Teams
• Führung (z.B. Stile und -instrumente) von Projetteams
• Kriterien und Kompetenzen für erfolgreiche IVI-Teamführung

Vorkenntnisse

keine

Literatur

• Cronenbroeck, Wolfgang (2008): Projektmanagement, Verlag Cornelsen, Berlin
• Kellner, Hedwig (2000): Projekte konfliktfrei führen. Wie Sie ein erfolgreiches Team aufbauen, Hanser Wirtschaft
• Majer Christian/Stabauer Luis (2010): Social competence im Projektmanagement - Projektteams führen, entwickeln, motivieren, Goldegg-Verlag, Wien
• weitere Literatur zu interkulturellen, verteilten und internationalen Teams

Leistungsbeurteilung

• LV-Immanente Leistungsbeurteilung und Prüfung (Note)

Anmerkungen

keine

Kurzbeschreibung

Welche Folgen hat die Entwicklung der Informatik für den einzelnen Menschen und für die Menschheit insgesamt? Eine kritische Betrachtung von Nutzen und Gefahren.

Methodik

Seminar Flipped Classroom

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• Technologiefolgen abzuschätzen
• Die Rolle der Informatik für den Menschen zu erläutern

Lehrinhalte

• Intelligente Waffen
• Überwachung
• Die Echochamber des Internets und die Folgen
• Autonomes Fahren
• Informatik und Umweltverschmutzung
• Informatik und Bevölkerungsentwicklung
• Nukleare Bedrohung und Informatik
• Manipulation und Informatik
• Veränderung des Lebens durch Informatik
• Künstliche Intelligenz
• Können alle Menschen von der IT profitieren?
• Entwicklung der Robotik
• Verdummung durch Medien?

Vorkenntnisse

Bachelor in Informatik

Literatur

• verschiedene Quellen

Leistungsbeurteilung

• Kontinuierliche Leistungsbeurteilung

Anmerkungen

keine

Kurzbeschreibung

Die Studierenden erhalten in den ersten beiden Einheiten einen Überblick über das Software-Qualitätsmanagement. In den beiden Folgeeinheiten gibt es "Deep-Dives" in zwei Spezialthemen: Die Qualität von Aufwandsschätzungen in Software-Projekten und die Qualität von Daten-Visualisierungen für das Management. Die Fallbeispiele stammen weitgehend aus der Industriepraxis. Zwischen den diversen Veranstaltungen des Vortragenden werden mehrere durchgängige Fallstudien verwendet, um die Zusammenhänge zwischen den verschiedenen Teilen des Software-Engineerings klarer aufzuzeigen.

Methodik

Selbststudium (Wissenserwerb, Übungen) Die Präsenzphasen bestehen aus: 1) Beseitigung von allfälligen Unklarheiten 2) Präsentation der zu Hause erzielten Ergebnisse 3) Gruppenübungen 4) Einzelübungen 5) Austausch von Berufserfahrungen

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• in allen unter “Lernergebnisse” angegebenen Feldern:
• 1) hochqualititative Arbeitsergebnisse zu erzielen
• 2) Arbeitsergebnisse anderer Personen zu qualitätszusichern
• 3) die Methodik zu reflektieren und den konkreten Projekterfordernissen anzupassen

Lehrinhalte

• Schreiben eines Software-Qualitätsplans
• Analytische, konstruktive und reparative Maßnahmen im Software-Qualitätsmanagement
• Qualitätsmaßnahmen gegen Anforderungsfehler, Implementierungsfehler und Nutzungsfehler
• Qualitätsmaßnahmen in den Feldern „Prozess“, „Mensch“ und „Tool“
• Poka Yoke
• Quality Function Deployment (QFD)
• Failure Modes and Effects Analysis (FMEA)
• Methoden der Aufwandsschätzung (Expertenschätzung, Story Points, Classic Function Points, Delphi-Methode)
• Methoden der Risikoschätzung
• Definition von Kennzahlen im Software-Engineering (LOC, McCabe, Halstead, …)
• Visualisierung von Kennzahlen im Software-Engineering

Vorkenntnisse

Qualitätsmanagement und Software-Entwicklung auf Bachelor-Level Berufserfahrung im Software-Engineering

Literatur

• Literaturempfehlungen sind in der Unterlage enthalten.

Leistungsbeurteilung

• Die Leistungsbeurteilung basiert auf den Ergebnissen der ...
• Einzelübungen
• Gruppenübungen
• Heimarbeit

Kurzbeschreibung

Ziel dieser Lehrveranstaltung ist es, Ihnen einen Überblick über die Entwicklung von Software Frameworks zu geben.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• das Konzept von Software Frameworks zu erklären
• ein Software Framework und die dazugehörigen abstrakten und konkreten Klassen mittels Role Based Modeling zu entwickeln.
• mit Hilfe einer OSGi Implementierung eine Anwendung oder Framework zu implementieren

Lehrinhalte

• OSGi, Role Model Based Framework Design, API Design

Vorkenntnisse

Java

Leistungsbeurteilung

• Schriftliche Prüfung sowie ein Programmierbeispiel

Kurzbeschreibung

Datenanalyse und explorative Statistik mit Hilfe von interaktiven visuellen Methoden.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• die inhärenten Eigenschaften verschiedener Datenarten (z.B. diskret, kontinuierlich, hierarchisch, temporal) zu nennen
• für eine definierte Datenart geeignete Visualisierungsmethoden wählen
• Eigenschaften von Daten kennen, die Visualisierung darstellen soll
• einfache verlinkte, interaktive Visualisierungen eines CSV Datensatzes zu erstellen

Lehrinhalte

• Unterscheidung von Datenarten
• Basisstatistik
• Visualisierungstechniken und Beispiele
• Interaktive visuelle Analyse
• Erstellen eigener interaktiver Visualisierungen mit D3.js

Vorkenntnisse

- Programmierkenntnisse (die Übungsbeispiele basieren auf R, Latex) - Kenntnisse statistischer Grundbegriffe (z.B. Normalverteilung, Abweichung, Median)

Literatur

• Benjamin B. Bederson, Ben Shneiderman (2003): The Craft of Information Visualization: Readings and Reflections, Morgan Kaufmann, ISBN 1-55860-915-6
• Hatzinger, R., Hornik, K. and Nagel, H.; R Einführung durch angewandte Statistik
• Venables, W. and Ripley, B.; Modern Applied Statistics with S

Leistungsbeurteilung

• Übungsaufgaben und schriftliche Prüfung.

Kurzbeschreibung

Vorlesung und Laborübung zu 6 Themengebieten aus Visual Computing

Methodik

Vorlesung Impulsreferate von Studierenden Lösung von prakt. Aufgaben durch die Studierenden

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• einen Bildaufnahmeprozess (2D und 3D) zu erklären, und mit digitalen Bildern zu rechnen.
• Bildfolgen im Hinblick auf Veränderungen, sowie im Hinblick auf Objekten zu analysieren
• eine Aufwands- und Machbarkeitsabschätzung für Aufgaben im Bereich Visual Computing durchzuführen
• Deep Learning für die Analyse von Bildern einzusetzen
• die Bedeutung von Ubiquitous Computing für Bilder zu erkennen.

Lehrinhalte

• Objekterkennung
• Visual Ubiquitous Computing
• Deep Learning
• Content Based Information Retrieval
• Biometrie und Gesichtsanalyse
• Anwendungen

Vorkenntnisse

Methoden der Bildverarbeitung

Literatur

• K. Tönnies (2005), Grundlagen der Bildverarbeitung, Pearson Studium, EAN: 9783827371553, ISBN: 3-8273-7155-4
• A. Nischwitz, M. Fischer, P. Haberäcker, G.Socher (2012), Computergrafik und Bildverarbeitung: Band I: Computergrafik, Springer-Verlag
• Burger-Burge: Digitale Bildverarbeitung, Springer Verlag, 2005. ISBN-10: 3540214658
• M. Lenzen: Künstliche Intelligenz: Was sie kann & was uns erwartet, 2018, ISBN-13: 9783406718694

Leistungsbeurteilung

• LV-Immanente Leistungsbeurteilung und Abschlussprüfung

Kurzbeschreibung

In dieser Lehrveranstaltung werden die Grundkonzepte von Big Data und von Linked Data behandelt. Es werden aktuelle Themen von NoSQL Systemen, Daten-intensiven Programmiermodellen und semantischen Technologien theoretisch und praktisch bearbeitet.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• aktuelle NoSQL Datenbanksysteme in Bezug auf Performance und Features wie Konsistenz, Verfügbarkeit und Partitionstoleranz zu evaluieren und deren Funktionsweise zu erläutern
• weiterführende massiv parallel Programmierparadigmen wie Apache Spark anzuwenden und Herausforderungen in Bezug auf skalierbare Machine Learning Algorithmen zu evaluieren
• die Konzepte von LinkedData und Ontologien zu charakterisieren
• sowie Daten im LinkedData Format zu konsumieren, zu modellieren und zu produzieren.

Lehrinhalte

• MapReduce und Daten-intensive ProgrammiermodelleNoSQL SpeichersystemeSkalierbares Machine LearningLinked Data und Ontologien

Vorkenntnisse

Grundlagen verteilter SystemeDatenbanksystemeProgrammierkenntnisse

Literatur

• Arun Murthy, Apache YARN - Moving beyond MapReduce and Batch Processing with Apache Hadoop 2, 2014Matei Zaharia, et. al., Learning Spark, O'Reilly Media, Inc., 2015Martin Köhler, et. al., #BigData in #Austria - Österreichische Potenziale und Best Practice für Big Data, 2014Helmut Berger, et. al. Conquering Data in Austria, 2014Toby Segaran, et. al., Programming the Semantic Web, 2009Christoh Bizer, et. al., Linked Data - The Story So Far, 2009.

Leistungsbeurteilung

• ÜbungsaufgabenSelf-assessment TestsAbschließende Prüfung

Kurzbeschreibung

Interaction Design ergänzt die im Masterstudiengang Software Engineering unterrichteten Inhalte um die wichtigen Aspekte der anwenderorientierten Entwicklung von Benutzeroberflächen im Zuge des User Centered Design Prozesses. Die Lehrveranstaltung vermittelt praktische Skills im Entwurf von User Interface-Prototypen.

Methodik

Problem und Project Based Learning

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• einfache Userinterfaces zu designen
• die Bedeutung des Interface Design Prozesses zu erläutern
• Interface Designprozesse in Software Entwicklungsprozessen zu planen

Lehrinhalte

• Interaction Design und Interface Design
• Selbstständige Entwicklung von Benutzeroberflächen
• Project Based Learning

Vorkenntnisse

Grundlagen der Informatik, Grundlagen des User Centered Designs

Literatur

• Tidwell, Jenifer, Designing Interfaces, O'Reilly Media, 2. Auflage 2011, ISBN-13: 978-1449379704Weinschenk, Susan, 100 Things Every Designer Needs to Know About People, 1. Auflage 2011, ISBN-13: 978-0321767530Saffer, Dan, Designing for Interaction, New Riders, 2. Auflage 2009, ISBN-13: 978-0321643391Unger, Russ, Chandler, Carolyn, A Project Guide to UX Design, New Riders 1. Auflage 2009, ISBN-13: 978-0321607379Cooper, Alan, Reimann, Robert, Cronin, David, About Face; 1. Auflage 2010, ISBN-13: 978-3826658884

Leistungsbeurteilung

• Begleitende Leistungsfeststellung

Anmerkungen

Studierende arbeiten vorzugsweise an realen Projekten. Der Unterricht erfolgt individuell, synchron oder asynchron unter Einsatz moderner Kommunikationsmittel. Die Lehrveranstaltung scheint teilweise, oder nicht im Stundenplan auf und es werden keine Anwesenheitslisten geführt.

Kurzbeschreibung

Die LV gibt eine Einführung in parallele Programmierung auf Graphics Processing Units (GPUs) im Hinblick auf hohe Performance. Sie behandelt die Hardware-Architekture von GPUs sowie die parallele API OpenCL.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• einfache OpenCL Applikationen (z.B. Bildbearbeitung) zu implementieren.
• die grundlegende Architektur einer GPU und die zugehörigen Modelle paralleler Programmierung zu erklären.
• Unterschiede des OpenCL/GPU Speichermodells zum CPU/RAM-Modell aufzuzeigen und daraus resultierende Implikationen für performante parallel Programme zu erklären.
• den Scan-Algorithmus in OpenCL zu implementieren.
• die Anwendung des Scan-Algorithmus in parallelen Anwendungen wie Sortieren oder Bildbearbeitung zu erklären.

Lehrinhalte

• Parallele Programmierparadigmen und Algorithmen
• OpenCL Programmierung
• GPU Architektur und Speichermodell
• Performanceoptimierung von parallelen Programmen

Vorkenntnisse

Programmierkenntnisse in C++ oder Java

Literatur

• McCool, Robison, Reinders: Structured Parallel Programming. Elsevier, 2012

Leistungsbeurteilung

• LV-Immanente Leistungsbeurteilung:
• Selbstevaluierungsaufgaben (Online)
• Programmierprojekt
• Abschlußpräsentation

Kurzbeschreibung

Paralleles Programmen mittels Multithreading

Methodik

Vorlesung mit praktischen Übungen, sowie Übungsbeispiele.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• Concurrency Primitives wie etwa Monitors zu verstehen und praktisch anzuwenden.
• Fehler in Verbindung mit Multithreading wie etwa Race-Conditions und Deadlocks zu erklären und zu vermeiden.
• nicht-parallelisierten Programmcode im Bezug auf potentiellen Performance-Gewinn durch Parallelisierung zu analysieren und gegebenenfalls dies umzusetzen
• in mindestens einer Programmiersprache sowohl Schleifen als auch Divide-and-Conquer-Algorithmen parallel so zu implementieren, sodass es einen Performance-Gewinn gibt.
• Konzepte wie Thread-Pooling, Data-Parallelism und Task-Parallelism in Frameworks wie OpenMP, CilkPlus, TPL und Java Parallel Streams zu erklären und in einfachen Aufgabenstellungen anzuwenden.
• Performance-Probleme wie etwa Oversubscription oder False-Sharing zu erklären und zu vermeiden.

Lehrinhalte

• Entwickeln und Anwenden paralleler Programmierkonzepte. In praktischen Übungen werden die Konzepte in Programmiersprachen C# und C behandelt. Im Laufe der Lehrveranstaltung werden vereinzelt Alternativen in anderen Programmiersprachen besprochen und Gemeinsamkeiten sowie Unterschiede erläutert.

Vorkenntnisse

C-Basiskenntnisse, sehr gute Programmierkenntnisse in mindestens einer Programmiersprache

Literatur

• Michael McCool et al, Structured Parallel Programming: Patterns for Efficient Computation. Morgan Kaufmann, 2012
• Tim Mattson et al, Patterns for Parallel Programming. Addison-Wesley Professional, 2004

Leistungsbeurteilung

• LV-Immanente Leistungsbeurteilung

Kurzbeschreibung

Diese Lehrveranstaltung beschäftigt sich mit weiterführenden Themen rund um Projektmanagement. Der Lehrinhalt orientiert sich am PMI Standard, hier vorwiegend die Prozessgruppen Ausführung, Überwachung und Steuerung sowie Abschluss. Die Lehrveranstaltung behandelt vertiefende Aspekte im IT Projektmanagement, insbesondere Internationale und Interkulturelle in verteilten und virtuellen Teams.

Methodik

Vortrag, Übung, Selbststudium, Ausarbeitungen und Präsentationen, Fallbeispiele

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• relevante Kulturdimensionen in internationalen IT Projekten zu benennen.
• internationale Projekte in Hinblick auf deren Risiken zu bewerten.
• die unterschiedlichen Auswirkungen von virtuellen und verteilten Teams zu beschreiben.
• adäquate Controlling-Instrumente für internationale IT Projekte zu wählen und zu verwenden

Lehrinhalte

• IT Projektmanagement Vertiefung mit den Schwerpunkten Internationalität, Interkulturalität und Virtualität:
• Diversität und Komplexität in Internationalen IT Projekten
• Aufbau Projektsteuerungssystem (Project Score Card)
• Risikomanagement in Internationalen IT Projekten
• Projektsteuerung und Reviews in Internationalen IT Projekten
• Controlling-Tools in Internationalen IT Projekten

Vorkenntnisse

IT Projektmanagement 1 aus dem 1. Semester

Literatur

• PMBOK (2017) - A Guide to the Project Management Body of Knowledge (PMBOK® Guide) - 6th Edition
• Köster, Kathrin (2009): International Project Management - London: Sage.

Leistungsbeurteilung

• Länderanalyse und Diversity-Complexity-Assessment (20 Punkte)
• Erstellen Project Score Card (30 Punkte)
• GAP-Analyse und Umsetzungsvorschlag (20 Punkte)
• 2-3seitige Reflexionsarbeit über weiterführende Themen (30 Punkte)

Kurzbeschreibung

Effiziente Kommunikation in Softwareentwicklungsprojekten

Methodik

Seminar Fernlehre

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• zu einem gewählten Thema eine Elevator Pitch zu entwickeln und zu halten.
• ein gängiges kommunikatives Verfahren um mit Widerständen umgehen zu können, zu beherrschen
• die bewussten und unbewussten Aspekte der Kommunikation zu erläutern.

Lehrinhalte

• Praktische Kommunikationsübungen
• Elevator Pitch
• Umgehen mit Widerständen
• Theorie der Sinneskanäle
• Emotionale Intelligenz
• Körpersprache
• NLP meta-model language patterns
• Umgehen mit Einwänden

Vorkenntnisse

- Gute Kentnisse des Softwareentwicklungsprozesses - Basiskentnisse über Kommunikation

Literatur

• Samy Molcho. Körpersprache des Erfolges. Ariston 2005
• A Edmüller, T Wilhelm. Manipulationstechniken erkennen und abwehren. Haufe 2005
• A Schwarz, Ronald Schweppe. Praxisbuch NLP. Südwest 2000
• Gerd Siemoneit-Barum und Robert Griesbeck. Die Kunst, mit dem Tier im Menschen umzugehen:Geheimnisse eines Dompteurs, Gräfe und Unzer Edition, 2007
• Karsten Bredemeier. Schwarze Rhetorik - Macht und Magie der Sprache.Goldmann 2002

Leistungsbeurteilung

• Immanente Leistungsbeurteilung

Kurzbeschreibung

Die LV ist die erste in einer Reihe von LVs, welche zum Studienabschluss führen. Im Rahmen dieser Lehrveranstaltung werden ein Thema/Projekt für die nachfolgenden Lehrveranstaltungen "Master Project" und "Master Thesis" fixiert, eine erste Forschungsfrage formuliert und die notwendige Projektinfrastruktur (Kommunikation, Reporting, Rechtliches, etc.) aufgebaut. Ziel ist es die Vorprojektphase abzuschließen um Anfang 3. Semester (bzw. auf Wunsch auch vor dem Sommer) ohne Verzögerung mit dem Master Projekt starten zu können.

Methodik

KickOff Veranstaltung, danach individuelle Betreuung

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• ...zu Beginn des 3. Semesters ohne Verzögerung mit dem Master Projekt starten zu können.

Lehrinhalte

• Themensuche, Projektinfrastruktur

Vorkenntnisse

Grundlagen Projektmanagement

Leistungsbeurteilung

• (nicht) mit Erfolg teilgenommen

Anmerkungen

-

Kurzbeschreibung

Augmented Reality (AR) ist die Verbindung von realen und virtuellen Inhalten. In dieser LV werden die technischen Grundlagen und praktischen Möglichkeiten von AR aufgezeigt.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• Augmented Reality Systeme zu unterscheiden, zu charakterisieren (bildbasiert, sensorbasiert) und für bestimmte Anwendungsklassen (z.B. stationäre Installation, mobile Applikation, etc.) 
auszuwählen
• verschiedene bildbasierte Trackingverfahren (Marker, NFT, SLAM, 3D Tracking) zu unterscheiden und aufgrund ihrer Trackingperformance zu analysieren und zu bewerten
• anschließend bestehende AR Software Frameworks auszuwählen (z.B. Metaio SDK, vuforia SDK, etc.) und in eigenen Projekten einzusetzen bzw. eigene AR Applikationen zu implementieren. Um dieses Ziel zu erreichen, wird von den Studierenden eine mobile AR App mit vordefiniertem Funktionsumfang im Zuge der LV implementiert (Trackertausch, Contenttausch, einfache Animation, mathematische Berechnungen der Tracking Pose, etc.)

Lehrinhalte

• AR Grundlagen & Tracking Methoden: marker-basiertes, NFT-, SLAM- und 3D-Tracking. n- Rendering, OpenGL, CG, Materialien & Texturen, Transparenz, 3D Engines. n- GPS-basierte AR, Audio-AR, AR-Brillen (Google Glass, Epson). n- AR SDKs und Frameworks. n- Interaktion, Animation, Picking.

Vorkenntnisse

Grundkenntnisse in Computergrafik und Computervision und ein mathematisches Grundverständnis sind von Vorteil.

Leistungsbeurteilung

• laufende Kurzüberprüfungen, Praktische Übungen, Abschlussprüfung

Kurzbeschreibung

Einführung in die Entwicklung von Smartphone Apps für Android und iOS.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• Android und iOS Applikationen unter Verwendung der aktuellen Entwicklungsumgebung und Toolchain zu implementieren
• den Lifecycle einer Android oder iOS-Applikation zu erläutern und gängige Konzepte in den BereichenTesting, Publishing, Marketing & Businessmodelle zu erläutern
• in einem Android und iOS Projekt den Aufwand einer Feature-Implementierung abzuschätzen

Lehrinhalte

• Android and iOS app development und source control management with Git.

Vorkenntnisse

Basic software development experience mit Java / C/C++ / Objective C.

Literatur

• Joseph Anuzzi Jr, Lauren Dracay, Shane Conder (2014): Advanced Android Application Development, Addison-Wesley ProfessionalNeil Smyth (2015): iOS 8 App Development Essentials - Second Edition: Learn to Develop iOS 8 Apps using Xcode and Swift 1.2, CreateSpace Independent Publishing Platform

Leistungsbeurteilung

• Mitarbeit, Einbringen, Projekt voranbringen, Pünktlichkeit, Abgaben zeitlich eingebrachtSauberer Source-Code mit CommentsTermintreue

Kurzbeschreibung

In dieser Lehrveranstaltung lernen Sie die volle Kapazität Ihres Gehirnes zu nutzen um Probleme zu lösen und Ziele zu erreichen.

Methodik

Seminar und Fernlehre

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• Ziele die sie erreichen wollen zu formulieren
• grundlegende Elemente der Aufmerksamkeitsmeditation zu praktizieren
• bewusste Fokussierung auf Ziele zur Ausrichtung von unbewussten Prozessen zu nutzen

Lehrinhalte

• Informationsverarbeitung im menschlichen Gehirn
• Bewusste und unbewusste Hirnareale
• Unbewusstes Wissen nutzen
• Meditationstechniken um die eigene Performance zu steigern

Vorkenntnisse

keine

Literatur

• James Borg, "Mind Power", Pearson 2010
• Kazuo Inamori, "A Compass to Fulfillment", Mc Graw Hill
• Heinz Hilbrecht, "Meditation und Gehirn", Schattauer, 2010
• Richard Bandler, "Veränderung des subjektiven Erlebens", Jungfern Verlag 2007, Original: "Using your brain - for a change", Real People Press, U.S. (August 1985)
• Henry P. Stapp, "Mindful Universe" 2nd Edt Springer 2011
• Chade-Meng Tan "Search Inside Yourself" Optimiere dein Leben durch Achtsamkeit, Goldmann Verlag 2015

Leistungsbeurteilung

• Immanente Leistungsbeurteilung

Anmerkungen

keine

Kurzbeschreibung

Ein Seminar über die Vermessung von Software mit 14 Lehrstunden in vier Blöcken, 4 Übungen, eine pro Woche, und einer schriftliche Abschlussprüfung. Für 7 der 14 Lehrstunden müssen die Studenten anwesend sein. Die anderen 7 sind fernunterricht. Das Begleitbuch ist „Software in Zahlen“ von Sneed, Seidl und Baumgartner, Hanser Verlag, München-Wien, 2011

Methodik

Frontalunterricht, Fernunterricht, Übungen mit realen Beispielen und Fallstudien. Wesenltlich sind die Übungen,

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• Metriken für die Größenmessung von Software zu definieren und zu vergleichen.
• die Größe und Komplexität eines Softwaresystems zu errechnen um den Aufwand die Software zu entwickeln, zu warten und zu migrieren abschätzen zu können.
• die Qualität eines Softwaresystems festzustellen und den Ausmaß der technische Schulden – Technical Debt - zu vermessen.
• die Qualität des Softwaretests zu bewerten und Entscheidungen über die Freigabe eines Produktes zu treffen.

Lehrinhalte

• Der erste Lehrblock befasst sich mit der Anforderungsmessung. Er enthält die vier Lehrstunden:
• Software Maße – Definition und Auswahl, Goal/Question/Metric Methode.
• Software Quantitätsmaße – Data-Points, Object-Points, Function-Points, UseCase-Points, Statements, LOCs.
• Software Komplexitätsmaße – Funktionale Komplexität. Datenflusskomplexität, Ablaufkomplexität, Kopplung und Kohäsion
• Anforderungsmetrik – Anforderungsgrößen, Anforderungskomplexität, Anforderungsqualitäten, Vollständigkeit, Konsistenz, Konformität. Der zweite Lehrblock befasst sich mit der Entwurfsmessung. Er enthält die drei Lehrstunden:
• Qualtitätsmaße – ISO-9126, Funktionalität, Zuverlässigkeit, Effizienz, Benutzbarkeit, Sicherheit, Wartbarkeit, Übertragbarkeit.
• Produktivitätsmaße – Entwurfsdiagramme, Codemodule, Testfälle, Dokumentationsseiten, Anweisungen, Function-Points per Personentag.
• Entwurfsmetrik – UML Elemente, UML Beziehungen, UML Komplexitäten, UML Qualitäten, Modellmessung, XMI. Der dritte Lehrblock befasst sich mit der Codemessung. Er enthält die vier Lehrstunden:
• COCOMO - Codegröße und -komplexität, Kilo Anweisungen, Einflussfaktoren, Exponentenfaktoren, Codierproduktivität.
• Codemetrik – Anweisungszählung, Datenzählung, Eingaben/Ausgaben, Modularität, Wiederverwendbarkeit, Testbarkeit, Sicherheit, Wartbarkeit.
• Datenmetrik – SQL Schemen, Tabellen, Schlüssel, Attribute, Beziehungen, XML Schemen, Baumbreite und –tiefe, Tags, Verweise, Data-Points.
• Systembewertung – Vermessung und Bewertung prozeduraler und objektorientierter Systeme mit SoftAudit und SoftEval. Der vierte Lehrblock befasst sich mit der Testmessung. Er enthält die drei Lehrstunden:
• Testmetrik – Testobjekte, Testfälle, Testprozeduren, Testüberdeckung, Zweige, Methoden, Module, Komponente, Testertage.
• Fehlermetrik – ANSI/IEEE 1044, Fehlerklassifizierung, Fehlertypen, Fehlerschwere, Fehlerstatistik, Fehlerhochrechnung, Restfehlerwahrscheinlichkeit.
• Softwarewirtschaftlichkeit – Kostentreiber, Entwicklungskosten, Testkosten, Erhaltungskosten, Total Cost of Ownership.

Vorkenntnisse

Teilnehmer sollten UML und Programmierkenntnisse mitbringen und sollten mit den Grundsätzen der Software-Engineering vertraut sein.

Literatur

• Dumke/Ebert: Software Measurement, Springer VerlagSneed/Seidl/Baumgartner: Software in Zahlen, Hanser Verlag

Leistungsbeurteilung

• 40% ist Durchschnitt der Übungsnote, 60% der Prüfungsnote

Anmerkungen

Der Kurs ist auf den vier Übungen aufgebaut – Anforderungsmessung, UML-Messung, Java/C#/PHP Messung, Testmessung

Kurzbeschreibung

Konzepte von Programmiersprachen, Programmierparadigmen und Grundlagen zu Compilern und Interpretern

Methodik

Frontalteil, Übungsaufgaben, Programmierprojekt, Abgabegespräch

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• Programmierparadigmen in Programmiersprachen umzusetzen
• Einfache Programme in funktionalen und logischen Programmiersprachen zu implementieren
• regulaere Ausdruecke und Grammatiken zu entwerfen und benutzen
• mit Hilfe von Parsergeneratoren einen einfachen Compiler zu schreiben

Lehrinhalte

• Imperatives Programmierparadigma
• Objektorientiertes Paradigma
• Grundlagen der funktionalen Programmierung
• Halteproblem: Kurt Goedel und die Grenzen von Programmiersprachen
• Logische Programmiersprachen
• Regulaere Ausdruecke
• Grammatiken
• Parallele Sprachkonstrukte
• Grundlagen des Übersetzerbaus

Vorkenntnisse

C-Basiskenntnisse, Funktionsparameter

Literatur

• Donald Knuth. The Art of Computer Programming

Leistungsbeurteilung

• 60% Exercises,10% Quiz, 30% Abschlusstest. Auf den Abschlusstest müssen mindestens die Hälfte der Punkte erreicht werden.

Anmerkungen

LV-Immanente Leistungsbeurteilung und Abschlussprüfung

Kurzbeschreibung

Dieser englischsprachige Kurs führt die Teilnehmer durch die Welt der Testautomation von der Analyse der Anforderungen bis zur Bewertung der Testergebnisse. Dabei werden verschiedene Testwerkzeuge behandelt, aus der Open Source Welt und z.T. vom Referenten selbst. Die Betonung ist auf die Anwendung der Tools in Gruppenarbeiten. Jede Woche ist eine Testaufgabe zu bewerkstelligen und einzureichen. Eine schriftliche Prüfung erfolgt am Ende des Kurses.

Methodik

Vorlesung mit interaktiven Elementen, Gruppenübungen, Online-Interaktion, Lehrvideos

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• komplexe Softwaresysteme, Datenbanken, Websysteme und Web Services mit Hilfe automatisierter Tools zu testen.
• Testdaten zu managen.
• eine Struktur für Testfälle zu definieren, die für automatisiertes Testen geeignet ist.
• einen Performancetest durchzuführen.

Lehrinhalte

• Anforderungsbasiertes Testen
• Automatisierte Anforderungsanalyse und Testfallspezifikation
• Modell-basiertes Testen
• Testen von Datenbanken
• Testdatenmanagement
• Client/Server Systemtest in Behaviour- und Acceptance-Test Driven Development
• Web Application Test mit Selenium
• Strukturierung der Testfälle
• Performance Testen
• Web Service Testing
• SOAP und REST Requestgenerierung
• SOAP und REST Responsevalidierung
• Simulation von Systemschnittstellen zu Testzwecken
• Continuous Testing

Vorkenntnisse

Teilnehmer sollten Programmierkenntnisse (Java) haben. Sie sollten darüber hinaus einfache SQL Abfragen erstellen können und mit den Grunldlagen von XML und/oder JSON vertraut sein. Wissen über Webapplikationen und HTTP ist von Vorteil.

Literatur

• Bucsics,Thomas / Seidl, Richard / Baumgartner, Manfred (2013): „Basiswissen Testautomatisierung: Konzepte, Methoden und Techniken“, dpunkt Verlag; Sneed, Harry / Baumgartner, Manfred / Seidl, Richard (2007): “Der Systemtest”, Hanser Verlag

Leistungsbeurteilung

• 100% der Benotung aufgrund der durchschnittlichen Übungsnote

Anmerkungen

Dieser Kurs erfordert von den Studierenden praktische Mitarbeit bei den Übungen.

Kurzbeschreibung

Design Patterns für die Entwicklung von Smartphone Apps für Android und iOS.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• die Besonderheiten der Programmiersprache(n) auf der jeweiligen Plattform zu benennen und zu erläutern
• fortgeschrittene Design-Patterns für Smartphone Applikationen zu erläutern und diese in eigenen Applikationen anzuwenden
• geeignete 3rd Party Frameworks für Feature-Implementierungen zu finden und diese richtig einzubinden

Lehrinhalte

• Android und iOS app design patterns.

Vorkenntnisse

Basic software development experience mit Java / C/C++ / Objective C.

Literatur

• Mike Rogers (2015): Swift Recipes: Problem-Solution Approach, ApressDave Smith (2015): Android Recipes: A Problem-Solution Approach for Android 5.0, Apress

Leistungsbeurteilung

• Abschlussprüfung

Kurzbeschreibung

Dieser Kurs befähigt Teilnehmer Entscheidungen in der Softwareentwicklung über den gesamten Lebenszyklus von Software abschätzen zu können. Teilnehmer kennen die gängigen Release- und Branching-Methoden, lernen Methoden zur steten Weiterentwicklung von Software kennen und lernen strukturiertes Defectmanagement zu etablieren.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• - eine Releasestrategie zu entwerfen,- einen Konfigurationsmanagementplan zu entwickeln und- das Release- und Konfigurationsmanagement mit den anderen Entwicklungsprozessen zu integrieren.

Lehrinhalte

• - Fehlermanagement- Lifecycle für Fehler- und Änderungsmanagement- Management von Software Artefakten- Verteilte Entwicklung- Impact Analysis- Relesestrategie- Change- und Konfigurationsmanagement- Regressionstest

Vorkenntnisse

Software Engineering

Literatur

• Sneed, Hasitschka, Teichmann „Software Produktmanagement“

Leistungsbeurteilung

• LV-Immanente Leistungsbeurteilung

Kurzbeschreibung

Qualität und Sicherheit von Cloud Lösungen sind eine Voraussetzung für den Einsatz. In Bezug auf Qualität gibt es diverse Standards an denen man sich orientieren kann. Wir sehen uns die Standards im Cloud Bereich an und bewerten die Qualität und den Nutzen. In Hinblick auf Security identifizieren und analysieren wir gängige Probleme. Weiters diskutieren wir Unterschiede zu herkömmlichen Deployments und entsprechende Gegenmaßnahmen. In Projekten setzen wir dieses Wissen konkret um.

Methodik

Vortrag und Übungen vertiefen das Wissen in diesem Bereich.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• Eine passende Norm für eine Cloud Lösung auszuwählen
• Sinnvolle Kriterien für eine Cloud Lösung zu definieren
• die passende Cloud Lösung/Plattform zu wählen
• Security-Probleme beschreiben und erkennen zu können.
• Gegenmaßnahmen identifizieren und einsetzen zu können.

Lehrinhalte

• Kennenlernen der Normen im Cloud Bereich
• Bewerten von Cloud Normen
• Kennenlernen von Security-Problemen und Lösungen im Cloud Bereich

Vorkenntnisse

Basis Umgang mit Normen und Vorgehensmodellen Programmierkenntnisse

Literatur

• https://staraudit.org/
• https://cloudsecurityalliance.org/

Leistungsbeurteilung

• Übung und Präsentation Bewertungskriterien
• Abschlussarbeit - Bewertung Cloud Service
• Übung Messung von Side Channels
• Kurze Reports über Inhalte

Kurzbeschreibung

Vorlesung mit integriertem Übungsteil zu Computer Vision, Computer Grafik und Multimedia im Internet.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• • aus Internetdaten neue Daten z.B. Bilder zu generieren• digitale Bilder inhaltsbasiert anhand von Bildmerkmalen zu interpretieren • Kombinationen von DeepLearning und BidData Anwendungen auf Bildinhalten anzuwenden

Lehrinhalte

• Internet Vision Grundlagen
• Big Data – Internet of Things
• Deep Learning
• Lifelogging
• Objekt Erkennung
• Szenen Vervollständigen und andere Anwendungen

Vorkenntnisse

Matlab und Visual Computing

Literatur

• Hays J., Alexei A. Efros (2007). Completion Using Millions of Photographs.. ACM Transactions on Graphics (SIGGRAPH 2007). vol. 26, No. 3.
• Jing Y. and Baluja S.. (2008) :PageRank for Product Image Search, 17th International IEEE World Wide Web Conference.
• Snavely N., Seitz S.M., Szeliski R. (2006). Photo tourism: exploring photo collections in 3D, ACM SIGGRAPH, pp 835-846.
• Stone, Z.; Zickler, T.; Darrell, T., Toward Large-Scale Face Recognition Using Social Network Context, Proceedings of the IEEE , vol.98, no.8, pp.1408,1415, Aug. 2010

Leistungsbeurteilung

• LV-Immanente Leistungsbeurteilung
• Ausarbeitung eines Themas mit Präsentation und Life Demo
• Erörterung aktueller wissenschaftlicher Publikationen
• Evaluierung/Testen von Internet Vision Lösungen um Web

Kurzbeschreibung

Die Lehrveranstaltung bietet eine Einführung in die Methoden des Machine Learnings, mit einem speziellen Fokus auf überwachten Lernverfahren, bis hin zu aktuellen Themen wie Deep Learning. Die Lehrveranstaltung behandelt den gesamten Analyseprozess, von der Datenaufbereitung bis zur Evaluierung der Modelle.

Methodik

Vorlesung und Erarbeitung von Übungsbeispielen

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• Problemstellungen in der Datenanalyse als Machine Learning Aufgabe zu erkennen und definieren
• Geeignete Methoden für die Datenaufbereitung und den Lernalgorithmus auszuwählen
• Modelle und Ergebnisse auf ihre Güte und praktische Einsatzfähigkeit zu bewerten

Lehrinhalte

• Überblick über unüberwachte und überwachte Lernverfahren, sowie deren Einsatzgebiete
• Überblick über Feature Extraction Methoden, für Multi-Modale Inhalte (Bild, Audio, Text, ..)
• Methoden der Datenaufbereitung: Enkodierung, Normalisierung/Standardisierung, Korelationsanalyse, Feature/Attributeselektion,
• Funktionsweise von populären Machine Learning Algorithmen: k-NN, Naive Bayes, Decision Trees, Random Forests, Perceptron und Neuronale Netze, Support Vector Machines
• Ensemble Learning
• Deep Learning
• Evaluierung von Machine learning Modellen: Experiment Setup, Kennzahlen für die Bewertung der Performanz, Signifikanzanalyse, Kostenfunktionen

Vorkenntnisse

Grundkenntnisse in Statistik, Grundkenntnisse in einer der Programmiersprache Java/R/Matlab/Python

Literatur

• Zum Beispiel Tom Mitchell "Machine Learning", Christopher M. Bishop "Pattern Recognition"

Leistungsbeurteilung

• Praktische Übungsbeispiele & Abschlussprüfung

Kurzbeschreibung

Der Kurs vermittelt die Fähigkeit als Software Architekt konkreten Anforderungen entsprechend strukturelle, architektonische Entscheidungen treffen zu können. Dazu werden Grundwissen über Softwarearchitekturen, Qualitätskriterien für Architekturen und Bewertungsmethoden von Architekturen vermittelt.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• • Architektur-Metamodelle zu entwerfen• Software-Architekturen zu entwerfen• Software-Architekturen zu bewerten
• Architektur-Metamodelle zu entwerfen
• Software-Architekturen zu entwerfen
• Software-Architekturen zu bewerten

Lehrinhalte

• - Grundbegriffe der Softwarse Architektur- Architektur Dokumentation und Kommunikation- Entwicklung von Software Architekturen- Architektur und Qualität- Werkzeuge für Architekten

Vorkenntnisse

UML, Qualitätsmanagement

Literatur

• Mahbouba Gharbi „Basiswissen Softwarearchitektur“

Leistungsbeurteilung

• LV-Immanente Leistungsbeurteilung

Kurzbeschreibung

Die Lehrveranstaltung bietet Raum um vorbereitende Tätigkeiten für die Masterthesis als Projekt durchzuführen. Die Ergebnisse fließen in die Master Thesis ein.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• ihre Masterthesis nach den Regeln des Projektmanagements abzuwickeln

Lehrinhalte

• Vorbereitende Arbeiten für die Masterthesis im Umfang der ECTS Punkte der Lehrveranstaltung.Dies können u.a. sein:
• Programmiertätigkeiten
• theoretische Arbeiten
• Teilnahme an IT Projekten
• Evaluierung von Technologien und Produkten mit wissenschaftlichen Methoden
• Machbarkeitsstudie, Prototypenentwicklung

Vorkenntnisse

Lehrveranstaltungen des ersten und zweiten Semesters des Masters Softwareentwicklung

Literatur

• Bücher:Für das Projekt relevante FachbücherFachzeitschriften:Für das Projekt relevante Fachzeitschriften

Leistungsbeurteilung

• Beurteilung des Masterthesis Projektes

Anmerkungen

Die Betreuung erfolgt individuell, synchron oder asynchron unter Einsatz moderner Kommunikationsmittel. Die Lehrveranstaltung scheint nicht im Stundenplan auf, und es werden keine Anwesenheitslisten geführt.

Kurzbeschreibung

Begleitende Unterstützung zum Masterprojekt, vor allem für wissenschaftliche Fragestellungen. Ist ein integrativer Teil des Masterprojektes.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• ihre Masterthesis nach den Regeln des Projektmanagements abzuwickeln

Lehrinhalte

• Vorbereitende Arbeiten für die Masterthesis im Umfang der ECTS Punkte der Lehrveranstaltung.Dies können u.a. sein:
• Programmiertätigkeiten
• theoretische Arbeiten
• Teilnahme an IT Projekten
• Evaluierung von Technologien und Produkten mit wissenschaftlichen Methoden
• Machbarkeitsstudie, Prototypenentwicklung

Vorkenntnisse

Lehrveranstaltungen des ersten und zweiten Semesters des Masters Softwareentwicklung

Literatur

• Bücher:Für das Projekt relevante FachbücherFachzeitschriften:Für das Projekt relevante Fachzeitschriften

Leistungsbeurteilung

• Beurteilung des Masterthesis Projektes

Anmerkungen

Die Betreuung erfolgt individuell, synchron oder asynchron unter Einsatz moderner Kommunikationsmittel. Die Lehrveranstaltung scheint nicht oder teilweise im Stundenplan auf, und es werden keine Anwesenheitslisten geführt.

Kurzbeschreibung

Wie schreibe ich eine Master-Arbeit im Studiengang Master Software Entwicklung?

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• Typen wissenschaftlicher Veröffentlichungen zu nennen, zu beschreiben und zu unterscheiden, insbesondere Originalarbeiten, Review Papers, Konferenzbeiträge, Journal Papers und Buchbeiträge.
• facheinschlägige (auch englischsprachige) Literaturquellen hinsichtlich Nachvollziehbarkeit, Verlässlichkeit, Plausibilität und Übertragbarkeit der Erkenntnisse auf vergleichbare Problemlagen oder Kontexte zu bewerten und in der eigenen Arbeit geeignet zu verwenden bzw. zu referenzieren
• eine fachrelevante Forschungsfrage anhand des nach wissenschaftlichen Gesichtspunkten erhobenen State-of-the-Art zu begründen, nachvollziehbar zu formulieren, sowie überprüfbare Zielerreichungskriterien zu definieren
• die Phasen einer wissenschaftlichen Entwicklung oder Untersuchung mittels fachüblicher Methoden selbständig zu planen, zielgerichtet durchzuführen, nachvollziehbar zu dokumentieren, und dabei systematisch Nachvollziehbarkeit, Verlässlichkeit, Plausibilität und Übertragbarkeit der Erkenntnisse auf vergleichbare Problemlagen oder Kontexte sicherzustellen
• für die jeweilige Fragestellung geeignete Methoden auszuwählen und anzuwenden, und dementsprechend die Struktur einer Masterarbeit, ein Proposal und nachfolgend die Masterarbeit zu verfassen, insbesondere ingenieurwissenschaftlicher Modellierungs-, Entwicklungs- und Testmethoden, experimentelle Forschungsmethoden, empirische Erhebungsmethoden
• Forschungsergebnisse in einen übergreifenden (z.B. branchenbezogenen, gesellschaftlichen, wirtschaftlichen oder ökologischen) Zusammenhang zu stellen
• eigene oder fremde wissenschaftlichen Publikation nachvollziehbar zu präsentieren, zu bewerten, und substantielle Vorschläge für die Weiterentwicklung zu formulieren

Lehrinhalte

• Korrektes Zitieren
• Literaturrecherche
• Struktur eine Master-Thesis
• Schreibstil
• Wissenschaftstheorie

Vorkenntnisse

Logik, Verfassen von Bachelorarbeiten

Leistungsbeurteilung

• LV-Immanente Leistungsbeurteilung

Kurzbeschreibung

Design Patterns für die Entwicklung von Smartphone Apps für Android und iOS.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• die Besonderheiten der Programmiersprache(n) auf der jeweiligen Plattform zu benennen und zu erläutern
• fortgeschrittene Design-Patterns für Smartphone Applikationen zu erläutern und diese in eigenen Applikationen anzuwenden
• geeignete 3rd Party Frameworks für Feature-Implementierungen zu finden und diese richtig einzubinden

Lehrinhalte

• Android und iOS app design patterns.

Vorkenntnisse

Basic software development experience mit Java / C/C++ / Objective C.

Literatur

• Mike Rogers (2015): Swift Recipes: Problem-Solution Approach, ApressDave Smith (2015): Android Recipes: A Problem-Solution Approach for Android 5.0, Apress

Leistungsbeurteilung

• Abschlussprüfung

Kurzbeschreibung

Augmented Reality (AR) ist die Verbindung von realen und virtuellen Inhalten. In dieser LV werden die technischen Grundlagen und praktischen Möglichkeiten von AR aufgezeigt.

Methodik

Seminar und Fernlehre

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• Augmented Reality Systeme zu unterscheiden, zu charakterisieren (bildbasiert, sensorbasiert) und für bestimmte Anwendungsklassen (z.B. stationäre Installation, mobile Applikation, etc.) 
auszuwählen
• verschiedene bildbasierte Trackingverfahren (Marker, NFT, SLAM, 3D Tracking) zu unterscheiden und aufgrund ihrer Trackingperformance zu analysieren und zu bewerten
• anschließend bestehende AR Software Frameworks auszuwählen (z.B. Metaio SDK, vuforia SDK, etc.) und in eigenen Projekten einzusetzen bzw. eigene AR Applikationen zu implementieren. Um dieses Ziel zu erreichen, wird von den Studierenden eine mobile AR App mit vordefiniertem Funktionsumfang im Zuge der LV implementiert (Trackertausch, Contenttausch, einfache Animation, mathematische Berechnungen der Tracking Pose, etc.)

Lehrinhalte

• AR Grundlagen & Tracking Methoden: marker-basiertes, NFT-, SLAM- und 3D-Tracking. n- Rendering, OpenGL, CG, Materialien & Texturen, Transparenz, 3D Engines. n- GPS-basierte AR, Audio-AR, AR-Brillen (Google Glass, Epson). n- AR SDKs und Frameworks. n- Interaktion, Animation, Picking.

Vorkenntnisse

Grundkenntnisse in Computergrafik und Computervision und ein mathematisches Grundverständnis sind von Vorteil.

Leistungsbeurteilung

• laufende Kurzüberprüfungen, Praktische Übungen, Abschlussprüfung

Kurzbeschreibung

Die Lehrveranstaltung bietet eine Einführung in die Methoden des Data Minings, mit einem Schwerpunkt auf unüberwachten Lernverfahren, wie Clustering oder Assocation Rule mining und Collaborative Filtering. Die LVA deckt den gesamten Datenanalyseprozess ab, anhand von Prozessmodellen wie Fayyad’s Knowledge Discovery in Databases Prozess oder dem CRISP-DM (Cross-industry standard process for data mining).

Methodik

Vorlesung und Erarbeitung von Übungsbeispielen

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• Aus großen Datenbeständen relevante Erkenntnisse zu extrahieren
• Mit Data Mining unternehmerische Entscheidungen zu unterstützen
• Unternehmerische Probleme und Fragestellungen mit Hilfe von Daten zu analysieren
• Die Auswahl geeigneter Data Mining Algorithmen und Methoden für eine Problemstellung zu treffen

Lehrinhalte

• Datenprojektion / Dimensionality reduction
• Clustering
• Association Rule Mining / Collaborative Filtering

Vorkenntnisse

Grundkenntnisse in Statistik (wichtige Elemente werden wiederholt)

Leistungsbeurteilung

• Praktische Übungsbeispiele & Abschlussprüfung

Kurzbeschreibung

Diese Lehrveranstaltung gibt einen Überblick zu den Fähigkeiten und Möglichkeiten containerbasierter Virtualisierungstechniken anhand von Docker als Beispiel. Darüberhinaus wird Swagger, ein Framework um RESTful Dienste/APIs zu erstellen betrachtet.

Methodik

Integrierte Lehrveranstaltung mit Übungscharakter und Fernlehre

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• containerbasierte Virtualisierung zu verstehen und erklären
• zu entscheiden wann containerbasierte Virtualisierung (nicht) anzuwenden ist
• RESTful Dienste/APIs zu verstehen und erklären
• RESTful Dienste/APIs mittels Swagger zu erstellen

Lehrinhalte

• Überblick über verschiedene Virtualisierungstechniken
• Docker, eine containerbasierte Virtualisierungstechnik
• RESTful Dienste/APIs
• Swagger, ein Framework um RESTful Dienste/APIs zu erstellen

Vorkenntnisse

keine (grundlegende Kenntnisse zu IT/Konzept der Virtualisierung hilfreich)

Literatur

• https://docs.docker.com/get-started/
• https://swagger.io/getting-started/

Leistungsbeurteilung

• Integrierte Lehrveranstaltung mit Übungscharakter

Kurzbeschreibung

Vorlesung mit integriertem Übungsteil zu Computer Vision und Computer Grafik angewendet auf eine grosse Anzahl von Bilddaten

Methodik

Impulsreferate Präsentationen zu ausgewählten Themen durch die Studierenden Ausarbeiten von vier gestellten Aufgaben Zusammenfassung und Präsentation einer wissenschaftlichen Publikation zum Thema

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• aus Internetdaten neue Daten z.B. Bilder zu generieren
• digitale Bilder inhaltsbasiert anhand von Bildmerkmalen zu interpretieren
• Kombinationen von DeepLearning und Big Data Anwendungen auf Bildinhalten anzuwenden

Lehrinhalte

• Internet Vision Grundlagen
• Big Data – Internet of Things
• Deep Learning
• Lifelogging
• Szenen Vervollständigen und andere Anwendungen

Vorkenntnisse

Grundzüge Visual Computing

Literatur

• Hays J., Alexei A. Efros (2007). Completion Using Millions of Photographs.. ACM Transactions on Graphics (SIGGRAPH 2007). vol. 26, No. 3.
• Jing Y. and Baluja S.. (2008) :PageRank for Product Image Search, 17th International IEEE World Wide Web Conference.
• Snavely N., Seitz S.M., Szeliski R. (2006). Photo tourism: exploring photo collections in 3D, ACM SIGGRAPH, pp 835-846.
• Stone, Z.; Zickler, T.; Darrell, T., Toward Large-Scale Face Recognition Using Social Network Context, Proceedings of the IEEE , vol.98, no.8, pp.1408,1415, Aug. 2010

Leistungsbeurteilung

• LV-Immanente Leistungsbeurteilung
• Ausarbeitung eines Themas mit Präsentation und Life Demo
• Erörterung aktueller wissenschaftlicher Publikationen
• Evaluierung/Testen von Internet Vision Lösungen um Web

Kurzbeschreibung

Diese Lehrveranstaltung bietet eine Einführung in künstliche neuronale Netze mit vielen Layern ("deep learning"). Anhand des Open-Source Frameworks TensorFlow, welches von Google sowohl in der Forschung als auch im Produktivbetrieb verwendet wird, und unter Erarbeitung typischer Anwendungen aus verschiedenen Themenbereichen (Bildverstehen, Textverstehen) werden konkrete Fertigkeiten für die Praxis vermittelt.

Methodik

Vorlesung, Selbststudium, Programmierbeispiele, Gruppenprojekt

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• Problemstellungen mittels tiefen neuronalen Netzen zu modellieren
• Entsprechende Daten für das automatische Training solcher Netze zu verwenden
• Den Trainingsverlauf einzuschätzen und angemessene Parameter-Justierungen vorzunehmen

Lehrinhalte

• Einführung in und Grundlagen von neuronalen Netzen (Deep Learning)
• Deep Learning mit TensorFlow und TensorBoard
• Neuronale Architekturen für verschiedene Aufgabenstellungen (Text, Audio, Bilder,...)

Vorkenntnisse

Programmierkenntnisse in Java, C#, Python oder ähnlichen Sprachen (die LV verwendet Python) Grundkenntnisse in linearer Algebra (Matrix-Multiplikation, etc.) Kenntnisse in Machine Learning sind von Vorteil aber nicht zwingend erforderlich.

Literatur

• Literaturhinweise finden sich auf Moodle bzw. werden in den Vorlesungen gegeben

Leistungsbeurteilung

• Programmieraufgaben
• Gruppenprojekt
• Schriftliche Prüfung

Anmerkungen

Die Unterlagen zur Lehrveranstaltung (Präsentations-Slides) sind in englischer Sprache.

Kurzbeschreibung

In dieser Lehrveranstaltung lernen Sie die volle Kapazität Ihres Gehirnes zu nutzen um Probleme zu lösen und Ziele zu erreichen.

Methodik

- Seminar - Fernlehre

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• Ziele die sie erreichen wollen gehirngerecht zu formulieren
• grundlegende Elemente der Aufmerksamkeitsmeditation zu praktizieren
• bewusste Fokussierung auf Ziele zur Ausrichtung von unbewussten Prozessen zu nutzen

Lehrinhalte

• Informationsverarbeitung im menschlichen Gehirn
• Bewusste und unbewusste Hirnareale
• Unbewusstes Wissen nutzen
• Meditationstechniken um die eigene Performance zu steigern

Vorkenntnisse

Abschluss aller vorhergehenden MSE Lehrveranstaltungen

Literatur

• James Borg, "Mind Power", Pearson 2010
• Kazuo Inamori, "A Compass to Fulfillment", Mc Graw Hill 2010
• Heinz Hilbrecht, "Meditation und Gehirn", Schattauer, 2010
• Richard Bandler, "Veränderung des subjektiven Erlebens", Jungfern Verlag 2007, Original: "Using your brain - for a change", Real People Press, U.S. (August 1985)
• Henry P. Stapp, "Mindful Universe" 2nd Edt Springer 2011
• Chade-Meng Tan "Search Inside Yourself" Optimiere dein Leben durch Achtsamkeit, Goldmann Verlag 2015

Leistungsbeurteilung

• Immanente Leistungsbeurteilung

Kurzbeschreibung

Einführung in die Entwicklung von Smartphone Apps für Android und iOS.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• Android und iOS Applikationen unter Verwendung der aktuellen Entwicklungsumgebung und Toolchain zu implementieren
• den Lifecycle einer Android oder iOS-Applikation zu erläutern und gängige Konzepte in den Bereichen Testing, Publishing, Marketing & Businessmodelle zu erläutern
• in einem Android und iOS Projekt den Aufwand einer Feature-Implementierung abzuschätzen

Lehrinhalte

• Android and iOS app development und source control management with Git.

Vorkenntnisse

Basic software development experience mit Java / C/C++ / Objective C.

Literatur

• Joseph Anuzzi Jr, Lauren Dracay, Shane Conder (2014): Advanced Android Application Development, Addison-Wesley Professional Neil Smyth (2015): iOS 8 App Development Essentials - Second Edition: Learn to Develop iOS 8 Apps using Xcode and Swift 1.2, CreateSpace Independent Publishing Platform

Leistungsbeurteilung

• Mitarbeit, Projekt voranbringen, Pünktlichkeit, Abgaben zeitlich eingebracht, Sauberer Source-Code mit Comments, Termintreue

Kurzbeschreibung

Introduction to the Semantic Web and Linked Data.

Methodik

SeminarFernlehre

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• die Hauptkonzepte eines sematischen Netzes zu erklären.
• zu erklären wie Daten veröffentlicht, geteilt und abgefragt werden können.

Lehrinhalte

• Einführung in semantische Netze DefinitionenDas Web als Datenbank. Semantic Web stack. Das RDF Datenmodel.Die SPARQL query language. Drei Projekte in Fernlehre

Vorkenntnisse

Bachlor in Computer Science

Literatur

• 1. Renzo Angles and Claudio Gutierrez. Subqueries in SPARQL. In Pablo Barcel´o and Val Tannen, editors, AMW, volume 749 of CEUR Workshop Proceedings. CEUR- WS.org, 2011.2. Marcelo Arenas and Jorge P´erez. Querying semantic web data with sparql. In Maurizio Lenzerini and Thomas Schwentick, editors, PODS, pages 305–316. ACM,2011.3. Dave Beckett. N-Triples, 2004.4. Dave Beckett and Tim Berners-Lee. Turtle - Terse RDF Triple Language, 2011.5. Tim Berners-Lee. Notation 3, 2006.6. C. Bizer, T. Heath, and T. Berners-Lee. Linked data-the story so far. International Journal on Semantic Web and Information Systems (IJSWIS), 5:1–22, 2009.7. R. Cyganiak. A relational algebra for SPARQL. Digital Media Systems Laboratory, HP Laboratories Bristol, 1:2005–170, 2005.8. S. Das, S.Sundara, and R. Cyganiak. R2RML: RDB to RDF Mapping Language, 2012.9. Peter Hayes and B. McBride. RDF Semantics, 2004.10. Pascal Hitzler, Markus Krotzsch, and Sebastian Rudolph. Foundations of Semantic Web Technologies. Chapman & Hall/CRC, 2009.11. B. Kampgen and A. Harth. No size fits all - running the star schema benchmark with SPARQL and RDF aggregate views. In The Semantic Web: Semantics andBig Data, volume 7882 of LNCS, pages 290–304. Springer, 2013.12. J. P´erez, M. Arenas, and C. Gutierrez. Semantics and Complexity of SPARQL. ACM Transactions on Database Systems (TODS), 34(3):1–45, 2009.13. A. Vaisman and E. Zimanyi. Data Warehouse Systems: Design and Implementation. Springer, 2014.

Leistungsbeurteilung

• Abschlussprüfung, bestehend aus der gemittelten Beurteilung der Projekte

Anmerkungen

Die Lehrveranstaltung wird in Kooperation mit ITBA Buenos AIres durchgeführt

Kurzbeschreibung

Vertiefend Erkenntnisse im Überschneidungsbereich von Management und IT. Die Sichtweise von Unternehmern, Managern und CIO´s werden betrachtet. Dabei stehen vor allem wirtschaftliche Aspekte im Vordergrund.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• Projektauftrag, Projektabgrenzung und –kontextanalyse zu definieren• Projektportfolio-Management und Unternehmensstrategien darzustellen• Internationale Technologieverwertung zu definieren• einen Überblick über Tools und Herangehensweisen zu geben• internationale Technologieverwertungsnetzwerke zu identifizieren

Lehrinhalte

• 4 VO Grundlagen ProjektmanagementVon der Projektidee zum erfolgreichen ProjektabschlussPraxisbeispiele anhand des eigenen BeispielprojektsProjektauftragProjektkontextanalyseProjektmarketingplan
• 4 VO Projektportfolio-ManagementDefinitionZiel und NutzenProzesse im Projektportfolio-ManagementBewertungsmethodenAufbau und Steuerung des Projektportfolios
• 1 VO GrundlagenDefinitionWahl des richtigen Marktes / Identifizierung von Lead MarketsTechnologietransfer/Technologiemarketing im internat. KontextVorbereitung Kurzpräsentation/Pitch
• 2 VO Vom Prototypen zum internationalen ErfolgsproduktFirmen-TestimonialFinanzierung/Förderungen für Unternehmens- oder Produktpräsentationen im Ausland
• 1 VO Technologieverwertungs-Netzwerk für UnternehmenÖsterreich: Die regionalen PlayerEuropa: Netzwerk für KMUsInternational: Technologienetzwerk für österreichische Firmen
• 2 VO Kurzpräsentation/Pitch vor JuryProjekt/Fallbeispiel Technologieverwertungsstrategie
• 14 FL Abgabe/Feedback der Technologieverwertungsstrategie

Vorkenntnisse

Grundlagen Projektmanagement

Literatur

• Chapters from: Blue Ocean Strategy, W. Chan Kim and Renée Mauborgne• „A Guide to the Project Management Body of Knowledge“, Project Management Institute (PMI)Additional German literature:• Kapitel „Technologievermarktung“ aus E-Book Technologiemanagement (siehe Unterlagensheet, Vorbereitung vor der LV empfohlen)• Standard Projekthandbuch der PMA (Projekt Management Austria)• „Projektmanagement: Leitfaden zum Management von Projekten, Projektportfolios und projektorientierten Unternehmen“, Gerold PATZAK und Günter RATTAY• „pm baseline 3.0“, Projekt Management Austria (PMA)

Leistungsbeurteilung

• LV-Immanente Leistungsbeurteilung und vorhandenes Beispielprojekt (Gruppeneinteilung: max. 5 TN)

Anmerkungen

Sehr praxisorientierter Kurs: Es werden Experten von Corporates/Startups besucht/eingeladen

Kurzbeschreibung

In der Lehrveranstaltung erstellt jede(r) StudentIn eine technische und praxisorientierte Masterthesis auf wissenschaftlichem Niveau

Methodik

eingenverantwortliches Lernen

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• eine Masterthesis auf wissenschaftlichem Niveau zu verfassen
• sich selbstständig und eigenverantwortlich Fachwissen im Gebiet der Masterthesis zu erarbeiten
• eine Forschungsfrage im Fachgebiet Softwareengineering zu beantworten
• Gesamtzusammenhänge zu erklären
• Bedeutung und Gewicht der Einflussfaktoren, Daten und relevante Information richtig zu bewerten
• den relevanten Stand der Technik und des Firmenumfelds darzustellen
• größere technische, wirtschaftliche oder sozialen Zusammenhänge zu analysieren und darzustellen

Lehrinhalte

• Selbstständiges wissenschaftliches Arbeiten des Studierenden unter Anleitung des/der Betreuer/s/in

Vorkenntnisse

Abschluss aller vorhergehenden Lehrveranstaltungen des Studiums

Literatur

• relevate Literatur für dasThema der Masterthesis

Leistungsbeurteilung

• Beurteilung der Masterthesis durch den/die erste(n) und zweite(n) BegutachterIn

Anmerkungen

Die Lehrveranstaltung scheint nicht im Stundenplan auf, und es werden keine Anwesenheitslisten geführt.

Kurzbeschreibung

In der Lehrveranstaltung werden relevante Teilergebnisse zwischen BetreuerIn und dem/der Student/en/in diskutiert und der Fortschritt der Masterthesis evaluiert.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• sich eigenverantwortlich bzw. unter Anleitung des/der Betreuer/s/in Fachwissen im Gebiet der Masterthesis zu erarbeiten
• Teilergebnisse der Masterthesis zu präsentieren und technische Zusammenhänge im Fachgebiet der Masterthesis zu erläutern
• eine Forschungsfrage im Fachgebiet Softwareengineering zu erarbeiten und zu beantworten
• Bedeutung und Gewicht der Einflussfaktoren, Daten und relevante Information zu analysieren
• größere technische, wirtschaftliche oder sozialen Zusammenhänge zu analysieren

Lehrinhalte

• Präsentation von Teilergebnissen der Masterthesis
• Erläuterung von technische Zusammenhängen im Fachgebiet der Masterthesis

Vorkenntnisse

Abschluss aller vorhergehenden Lehrveranstaltungen des Studiums

Literatur

• In Abhängigkeit von der Forschungsfrage und dem Thema der Masterthesis relevante Fachbücher, Publikationen, White Papers, Studien, …

Leistungsbeurteilung

• Beurteilung der Masterthesis durch den/die erste(n) und zweite(n) BegutachterIn

Anmerkungen

Die Betreuung erfolgt individuell, synchron oder asynchron unter Einsatz moderner Kommunikationsmittel. Die Lehrveranstaltung scheint nicht im Stundenplan auf, und es werden keine Anwesenheitslisten geführt.