MasterstudiumSoftware Engineering
Infoblatt StudiengangFH OÖ Info-BroschüreSoftware Engineering
Studienplan
Modul
Kompetenzerwerb
Die AbsolventInnen erwerben theoretisches Wissen im Bereich der Formalen Sprachen und der Automatentheorie, das es ihnen er-möglicht, nicht nur selbst Compiler(-teile) und Syntaxgesteuerte Werkzeuge zu bauen, sondern auch die gerade im Bereich der generativen Programmierung notwendigen Frameworks und Werk-zeuge zu verstehen, nutzbringend anzuwenden und solche zu er-weitern oder selbst zu entwickeln (siehe Modul GP).
Lehrveranstaltungen
Formale Sprachen, Compiler- und Werkzeugbau
Semester:
1.Semester
Typ:
Vorlesung / Pflicht
ECTS-Punkte:
3
Prüfungsart:
Schriftliche Prüfung
Inhalte:
Formale Sprachen: Begriffe und Definitionen (z. B. Symbol, Regel, Grammatik, Sprache, Ableitung, Reduktion), Übersicht Chomsky-Hierarchie, reguläre Sprachen, reguläre Ausdrücke und endliche Automaten, kontextfreie Sprachen und Kellerautomaten, insbesondere deterministische Erkennung, LL(k) und LR(k). Compiler- und Werkzeugbau: Compilergrobstruktur (Frontend, Backend, Datenfluss), lexikalische Analyse, Syntaxanalyse, Fehlererkennung sowie -behandlung, formale Beschreibung von Übersetzungsprozessen (attributierte Grammatiken) und Implementierung dieser Übersetzungsprozesse mittels Compilergeneratoren. Zwischensprachen, Methoden der Optimierungen und Codegenerierung.
Formale Sprachen, Compiler- und Werkzeugbau
Semester:
1.Semester
Typ:
Ãœbung / Pflicht
ECTS-Punkte:
2
Prüfungsart:
Immanente Beurteilung
Inhalte:
In den Übungen werden die theoretischen Aspekte der Formalen Sprachen mit theoretischen Aufgaben, die Aspekte des Compiler- und Werkzeugbaus anhand der vollständigen Implementierung einer einfachen Beispielsprache in Form eines Interpretierers und eines Compilers, der Bytecode für eine eigene virtuelle Maschine erzeugt, geübt.
Modul
Kompetenzerwerb
Die AbsolventInnen lernen, das Wissen, die Fähigkeiten und Fertig-keiten aus dem Modul FCW nicht nur für Compiler und Werkzeuge, sondern auch für das Generieren von Software(teilen) anzuwenden. Sie lernen, die notwendigen Frameworks und Werkzeuge zu ver-stehen, nutzbringend anzuwenden, zu erweitern oder selbst zu entwickeln.
Somit bilden die beiden Module GP und FCW eine optimale gegen-seitige Ergänzung und außerdem die Voraussetzung für die Module PR1 und PR2, in denen diese Techniken dann praktische Anwen-dung finden.
Lehrveranstaltungen
Generative Programmierung
Semester:
2.Semester
Typ:
Vorlesung / Pflicht
ECTS-Punkte:
3
Prüfungsart:
Schriftliche Prüfung
Inhalte:
Motivation und Idee der generativen Programmierung („ ... manufacturing software in an automated way ...“); Übersicht über Methoden und Techniken der generativen Programmierung; Detaillierte Behandlung besonders wichtiger bzw. gerade aktueller Ansätze wie Templates, generische Programmierung, dynamische Sprachen, statische Metaprogrammierung (z. B. in C++) und dynamische Me-taprogrammierung auf Basis von Metainformationen (z. B. in C# oder Java mit Reflection); Aspektorientierte Programmierung (AOP) mit Werkzeugen, die statisches und dynamisches Einweben von Aspekten erlauben; Intentional Programming (IP); Domain Enginee-ring; Domain Specific Languages and Architectures; Feature Modeling; Software-Produktlinien (in Verbindung mit AOP); Generatoren und Frameworks für Generatoren.
Generative Programmierung
Semester:
2.Semester
Typ:
Ãœbung / Pflicht
ECTS-Punkte:
2
Prüfungsart:
Immanente Beurteilung
Inhalte:
In den Ãœbungen werden konkrete Beispiele insbesondere aus den Bereichen statische/dynamische Metaprogrammierung und aspektorientierte Programmierung behandelt
Modul
Kompetenzerwerb
Die AbsolventInnen erwerben u. a. das theoretische Wissen zu parallelen und verteilten Rechensystemen, so dass sie rechenin-tensive Aufgabenstellungen (z. B. aus den Bereichen Simulation, Optimierung, Bildanalyse) auf diesen Systemen (von Multicore-Prozessoren bis hin zu Grid-Systemen) lösen können. Sie sollen dabei auch in die Lage versetzt werden, die notwendige Software-Infrastruktur für parallele und verteilte Systeme selbst konzipieren, entwickeln und in Betrieb nehmen zu können.
Lehrveranstaltungen
Paralleles Rechnen, Cluster- und Grid-Technologien
Semester:
3.Semester
Typ:
Vorlesung / Pflicht
ECTS-Punkte:
3
Prüfungsart:
Schriftliche Prüfung
Inhalte:
Einführung: Klassifikation von Computerarchitekturen, Konzepte verteilter und paralleler Systeme, Designansätze. Wiederholung d. Grundlagen verteilter Systeme: Leistungsmessung und -analyse, Kommunikation in verteilten Systemen, Uhrensynchronisation, Elec-tion Algorithmen, verteilte Transaktionen, Konsistenz u. Replikation, Message Passing und MPI. Multicore-Prozessoren, Cluster Computing: Motivation, Cluster Computing-Hardware (z. B. Netzwerktechnologien), Strategien zur Aufteilung und Zuordnung von Jobs, Scheduling und Lastverteilung, Cluster Management-Software. P2P Computing: P2P Computing Frameworks, Protokolle (z. B. Epidem-ic Newscast Protocol). Space Based Computing: Konzept von Tuple Spaces, Frameworks (Java Spaces, XVSM Spaces), Anwendungen. Grid Computing: Grid-Projekte u. -Environments (Condor, Legion, Globus), Open Grid Service Architecture (OGSA), Scheduling u. Ressourcen Management in Grid-Systemen.
Paralleles Rechnen, Cluster- und Grid-Technologien
Semester:
3.Semester
Typ:
Ãœbung / Pflicht
ECTS-Punkte:
2
Prüfungsart:
Immanente Beurteilung
Inhalte:
Einführung: Klassifikation von Computerarchitekturen, Konzepte verteilter und paralleler Systeme, Designansätze. Wiederholung d. Grundlagen verteilter Systeme: Leistungsmessung und -analyse, Kommunikation in verteilten Systemen, Uhrensynchronisation, Elec-tion Algorithmen, verteilte Transaktionen, Konsistenz u. Replikation, Message Passing und MPI. Multicore-Prozessoren, Cluster Computing: Motivation, Cluster Computing-Hardware (z. B. Netzwerktechnologien), Strategien zur Aufteilung und Zuordnung von Jobs, Scheduling und Lastverteilung, Cluster Management-Software. P2P Computing: P2P Computing Frameworks, Protokolle (z. B. Epidem-ic Newscast Protocol). Space Based Computing: Konzept von Tuple Spaces, Frameworks (Java Spaces, XVSM Spaces), Anwendungen. Grid Computing: Grid-Projekte u. -Environments (Condor, Legion, Globus), Open Grid Service Architecture (OGSA), Scheduling u. Ressourcen Management in Grid-Systemen.
Modul
Kompetenzerwerb
Die AbsolventInnen lernen herkömmliche Bedrohungen sowie die aktuelle Bedrohungslage aus technischer (z. B. Hacker, Botnetze, Echelon), rechtlicher (z. B. PCI DSS, DSG, 8. EU Richtlinie, IT-Compliance) und menschlicher (z. B. Social Engineering) Sicht kennen. Sie erwerben die Fähigkeiten und Fertigkeiten, die zum Entwurf und zur Entwicklung sicherer, verlässlicher und test- sowie wartbarer Software notwendig sind.
Lehrveranstaltungen
Sicherheit und Fehlertoleranz in Softwaresystemen
Semester:
1.Semester
Typ:
Vorlesung / Pflicht
ECTS-Punkte:
3
Prüfungsart:
Schriftliche Prüfung
Inhalte:
Überblick über die wichtigsten Lösungen im technischen (z. B. Firewall, Virenschutz, Spam, Backup, Access Control, VPN, Möglichkeiten im Design von Sicherheitsinfrastruktur), im persönlichen (z. B. Benutzer Awareness) sowie im organisatorischen (z. B. Common Criteria, BSI GSHB, ISO27001, IT Governance) Bereich. Kurz Grundlagen: IT-Sicherheitsprozess, Sicherheitsmodelle, Maß-nahmen (AAA, Kryptografie); Bedrohungen: Sicherheitsbedrohun-gen, Vermeidungstechniken; Modellierung von Sicherheit in Soft-ware-Systemen: Treat Modeling; Sicherheitsaspekte moderner Entwicklungsplattformen; Fehlertoleranz in Softwaresystemen: Exception Handling, Protokollierung, Fail-Over-Systeme, Fehlertole-rante Kommunikationsprotokolle.
Sicherheit und Fehlertoleranz in Softwaresystemen
Semester:
1.Semester
Typ:
Ãœbung / Pflicht
ECTS-Punkte:
2
Prüfungsart:
Immanente Beurteilung
Inhalte:
Überblick über die wichtigsten Lösungen im technischen (z. B. Firewall, Virenschutz, Spam, Backup, Access Control, VPN, Möglichkeiten im Design von Sicherheitsinfrastruktur), im persönlichen (z. B. Benutzer Awareness) sowie im organisatorischen (z. B. Common Criteria, BSI GSHB, ISO27001, IT Governance) Bereich. Kurz Grundlagen: IT-Sicherheitsprozess, Sicherheitsmodelle, Maß-nahmen (AAA, Kryptografie); Bedrohungen: Sicherheitsbedrohun-gen, Vermeidungstechniken; Modellierung von Sicherheit in Soft-ware-Systemen: Treat Modeling; Sicherheitsaspekte moderner Entwicklungsplattformen; Fehlertoleranz in Softwaresystemen: Exception Handling, Protokollierung, Fail-Over-Systeme, Fehlertole-rante Kommunikationsprotokolle.
Modul
Kompetenzerwerb
Die AbsolventInnen lernen die Spezifika mobiler und ubiquitärer Systeme theoretisch kennen (insbesondere Kontextmodelle, Mög-lichkeiten der drahtlosen Kommunikation) und erlernen/üben den Umgang mit Konzepten und Techniken/Technologien für den Ent-wurf und für die Implementierung solcher Systeme in einigen aktu-ellen und wichtigen Anwendungsbereichen.
Lehrveranstaltungen
Mobile und ubiquitäre Systeme
Semester:
2.Semester
Typ:
Vorlesung / Pflicht
ECTS-Punkte:
3
Prüfungsart:
Schriftliche Prüfung
Inhalte:
Konzepte mobiler und ubiquitärer Systeme und deren spezifische Anwendungen (z .B. Ambient Assisted Living): drahtlose Sensor-Netzwerke, (Wireless Sensor Networks, WSN): Einführung, Programmierung, Routing, Time & Sync, Data Storage & Retrieval.
Ambient Intelligence: Lokalisierung, Gesten
Sprachbasierte Systeme (Voice User Interfaces, VUI): Sprachanalyse und Verarbeitung, Sphinx-4, Microsoft Speech API, VUI Design
Mobile und ubiquitäre Systeme
Semester:
2.Semester
Typ:
Ãœbung / Pflicht
ECTS-Punkte:
2
Prüfungsart:
Immanente Beurteilung
Inhalte:
Konzepte mobiler und ubiquitärer Systeme und deren spezifische Anwendungen (z .B. Ambient Assisted Living): drahtlose Sensor-Netzwerke, (Wireless Sensor Networks, WSN): Einführung, Pro-grammierung, Routing, Time & Sync, Data Storage & Retrieval.
Ambient Intelligence: Lokalisierung, Gesten
Sprachbasierte Systeme (Voice User Interfaces, VUI): Sprachanalyse und Verarbeitung, Sphinx-4, Microsoft Speech API, VUI Design
Modul
Kompetenzerwerb
Die AbsolventInnen erwerben die Fähigkeiten, die zum Entwurf und zur Entwicklung komplexer, verteilter Softwaresysteme notwendig sind. Sie kennen einerseits die relevanten Konzepte, die diesen Systemen zugrunde liegen (Modellierung und Architektur), anderer-seits sind sie imstande, diese Konzepte mit modernen Frameworks und Werkzeugen umzusetzen.
Lehrveranstaltungen
Service Engineering
Semester:
2.Semester
Typ:
Vorlesung / Pflicht
ECTS-Punkte:
3
Prüfungsart:
Schriftliche Prüfung
Inhalte:
Einführung: Komponenten, Services, Web-Services, SOA; Architektur skalierbarer verteilter Anwendungen; synchrone und asynchrone Nachrichtenverarbeitung (Message Queues); fortgeschrittene Web-Service-Konzepte: WS-Security, Reliable Messaging, WS-Policy, verteilte Transaktionen; Verbindung zu Cloud-Computing; Plattfor-men für SOA: Enterprise Java Beans (Architektur, Programmiermodelle (Beans), JMS, Web-Services), Windows Communication Foundation (Architektur, Protokolle, Programmiermodell, Konzepte zur Instanzenverwaltung, Transaktionen, Security); Workflows (BPEL, Windows Workflow Foundation).
Service Engineering
Semester:
2.Semester
Typ:
Ãœbung / Pflicht
ECTS-Punkte:
2
Prüfungsart:
Immanente Beurteilung
Inhalte:
Einführung: Komponenten, Services, Web-Services, SOA; Architektur skalierbarer verteilter Anwendungen; synchrone und asynchrone Nachrichtenverarbeitung (Message Queues); fortgeschrittene Web-Service-Konzepte: WS-Security, Reliable Messaging, WS-Policy, verteilte Transaktionen; Verbindung zu Cloud-Computing; Plattfor-men für SOA: Enterprise Java Beans (Architektur, Programmiermodelle (Beans), JMS, Web-Services), Windows Communication Foundation (Architektur, Protokolle, Programmiermodell, Konzepte zur Instanzenverwaltung, Transaktionen, Security); Workflows (BPEL, Windows Workflow Foundation).
Modul
Kompetenzerwerb
Die AbsolventInnen lernen die Systemarchitektur der wesentlichen Cloud-Computing-Plattformen kennen und können so deren Ein-satzmöglichkeiten einschätzen. Sie erwerben fundierte Kenntnisse im Entwurf von hochskalierbaren Softwareanwendungen und kön-nen die relevanten Architekturmuster anwenden. Die AbsolventInnen kennen die Programmiermodelle und verfügbaren Dienste der wesentlichen Cloud-Computing-Anbieter und sind imstande, Cloud-Anwendungen für diese Plattformen zu konzipieren und effizient umzusetzen.
Lehrveranstaltungen
Cloud Computing
Semester:
3.Semester
Typ:
Vorlesung / Pflicht
ECTS-Punkte:
3
Prüfungsart:
Schriftliche Prüfung
Inhalte:
Grundprinzipien des Cloud Computings (Idee und Motivation, Chancen und Risiken, Anwendungsgebiete), Architektur von Cloud-Computing-Plattformen (Schichtenmodell zur Klassifikation von Plattformen, IaaS, PaaS, SaaS), Architektur von Cloud-Anwendungen (Schichtenarchitektur, AOP, zustandsbehafte-te/zustandslose Dienste, lose Kopplung, Separation of Concerns, asynchrone Nachrichtenverarbeitung), Google App Engine (Architektur, Speichermodelle, Task Queues, Einbindung externer Dienste, Security, Programmiermodell), Microsoft Windows Azure (Architektur, Fehlertoleranz, Programmiermodell, Speicherdienste: Blobs, Tables, Queues, SQL Azure, Windows Azure Service Bus), Ama-zone Web Services (Architektur, EC2, SQS, SNS, S3, Load Balan-cing, VPC).
Cloud Computing
Semester:
3.Semester
Typ:
Ãœbung / Pflicht
ECTS-Punkte:
2
Prüfungsart:
Immanente Beurteilung
Inhalte:
Grundprinzipien des Cloud Computings (Idee und Motivation, Chancen und Risiken, Anwendungsgebiete), Architektur von Cloud-Computing-Plattformen (Schichtenmodell zur Klassifikation von Plattformen, IaaS, PaaS, SaaS), Architektur von Cloud-Anwendungen (Schichtenarchitektur, AOP, zustandsbehafte-te/zustandslose Dienste, lose Kopplung, Separation of Concerns, asynchrone Nachrichtenverarbeitung), Google App Engine (Architektur, Speichermodelle, Task Queues, Einbindung externer Dienste, Security, Programmiermodell), Microsoft Windows Azure (Architektur, Fehlertoleranz, Programmiermodell, Speicherdienste: Blobs, Tables, Queues, SQL Azure, Windows Azure Service Bus), Amazone Web Services (Architektur, EC2, SQS, SNS, S3, Load Balancing, VPC).
Modul
Kompetenzerwerb
Die AbsolventInnen erwerben zusätzliche technische Kompetenzen in einem aktuellen Bereich des Software Engineering.
Lehrveranstaltungen
Aktuelles Vertiefungsfach
Semester:
3.Semester
Typ:
Integrierte Lehrveranstaltung / Pflicht
ECTS-Punkte:
3
Prüfungsart:
Mündliche oder Schriftliche Prüfung
Inhalte:
Relevante Konzepte eines effektiven Sicherheits- und Identitätsmanagement in komplexen Cloud/Web-Systemen sowie deren spezifische Anwendungen:
Identitätsmanagement Konzepte: forderungs-basiert, rollen-basiert, föderierte Identitäten, etc.
Protokolle: WS-Security, IPSec, SAML, RACF, Kerberos, etc.
APIs: z. B. Windows Identity Foundation, Higgins Open Source Identity Framework.
Angriffsszenarien
Werkzeuge: z. B. Microsoft ADFS v2 (Active Directory Federation Service), IBM Identity and Access Management
Architekturmuster
Modul
Kompetenzerwerb
Die AbsolventInnen erwerben solide Kenntnisse in der Methodik des Aufbaus mathematischer Modelle für verschiedene Typen von Systemen (kontinuierliche und diskrete) sowie Methoden und Algo-rithmen für die Lösungen der Optimierungsprobleme in verschiede-nen Domänen.
Abhängig von der Wahl der Lehrveranstaltung erwerben sie Kennt-nisse der Methoden und heuristischen Algorithmen für die Lösung von Optimierungsproblemen in unterschiedlichen Domänen oder Kenntnisse der Methoden und Algorithmen der klassischen (nume-rischen) Verfahren für die Lösung der Optimierungsprobleme in den gleichen Domänen.
Lehrveranstaltungen
Modellierung und Simulation
Semester:
1.Semester
Typ:
Integrierte Lehrveranstaltung / Wahlpflicht
ECTS-Punkte:
4,5
Prüfungsart:
Mündliche oder Schriftliche Prüfung
Inhalte:
Taxonomie der Systemmodelle, Kontinuierliche, diskrete, determi-nistische und stochastische Modelle. Taxonomie der Optimierung. Lineare und nichtlineare Optimierungsalgorithmen, Diskrete Systeme: Petri-Netze, Discrete Event Systems (DEVS) und ganzzahlige Optimierungsalgorithmen, Kombinatorische Optimierungsalgorithmen, Branch&Bound- u. Branch&Cut-Verfahren. Stochastische Systemmodelle und Optimierungsprobleme: Graphische Modelle (Bayesianische Netze), Markov-Ketten, Monte-Carlo-Methoden. Die Wichtigkeit der Thematik von Modellierung und numerische Opti-mierung wird durch zahlreiche Anwendungsbeispiele aus Medizin, Biologie und Technik präsentiert.
In den Ãœbungen erfolgt synchron zur Vorlesung die praktische Erarbeitung und Behandlung der Lehrinhalte.
Numerische und heuristische Optimierung
Semester:
1.Semester
Typ:
Integrierte Lehrveranstaltung / Wahlpflicht
ECTS-Punkte:
4,5
Prüfungsart:
Mündliche oder Schriftliche Prüfung
Inhalte:
Taxonomie der Systemmodelle, kontinuierliche, diskrete, deterministische und stochastische Modelle, Taxonomie der Optimierung, Abgrenzung zwischen numerischer und heuristischer Optimierung, Beispiele kombinatorischer Optimierungsprobleme und Komplexitätstheorie, Lösungsraumverhalten und P- und NP-Probleme. Heu-ristische Verfahren: Problemspezifische Verfahren vs. Metaheuristi-ken, Konstruktions- vs. Verbesserungsheuristiken, Nachbarschaft und Distanz von Lösungen, Lokale Suche, Nicht-Populationsbasierte Verfahren, Simulated Annealing, Tabu-Suche. Populationsbasierte VerÂfahren: Ant-Colony Optimization, Swarm Intelligence, Genetische Algorithmen, Evolutionsstrategien, Geneti-sche Programmierung und Scatter Search. In Ãœbungen Benutzung, Parametersetzung, analytische sowie empirische Analyse verschiedener Optimierungstechniken unter Verwendung von HeuristicLab, einer generischen Entwicklungs- und Testumgebung für heuristische Optimierungsverfahren
Modul
Kompetenzerwerb
Die AbsolventInnen erwerben fundierte Kenntnisse in der Methodo-logie und den Methoden der Entwicklung von intelligenten Soft-waresystemen. Je nach gewählter Lehrveranstaltung erwerben sie direkt umsetzbare Kenntnisse im Aufbau intelligenter Systeme, entweder unter Verwendung deduktiver Methodologien und Methoden der künstlichen Intelligenz oder unter Verwendung induktiver Methodologien und lernbasierter Methoden mit Einsatz von neuro-nalen Netzen und Fuzzy-Expertensystemen.
Lehrveranstaltungen
Künstliche Intelligenz
Semester:
2.Semester
Typ:
Integrierte Lehrveranstaltung / Wahlpflicht
ECTS-Punkte:
4,5
Prüfungsart:
Mündliche oder Schriftliche Prüfung
Inhalte:
Architekturen der intelligenten Systeme, Schichten und Komponenten; Deduktive Methodik des Entwurfs von intelligenten Systemen; Suchalgorithmen, Constraint-Satisfaction-Problem, Aussagen- und Prädikatenlogik als Repräsentations- und Inferenzsprache, Methoden der Wissensrepräsentierung, Planungsalgorithmen, unsicheres Schließen durch Bayesianische Netze und Markov-Ketten, statistische Entscheidungstheorie und Lernalgorithmen.
Neuronal Computing und Fuzzy-Systeme
Semester:
2.Semester
Typ:
Integrierte Lehrveranstaltung / Wahlpflicht
ECTS-Punkte:
4,5
Prüfungsart:
Mündliche oder Schriftliche Prüfung
Inhalte:
Architekturen der intelligenten Systeme, Schichten und Komponenten; Induktive Methodik des Entwurfs von intelligenten Systemen; das Neuron und die Synapse; Formale Modelle der Neuronen; Propagierungs- und Aktivierungsfunktion und Ausgabefunktion; Neuronale Netze; Synaptische Modifikation und Lernen, Lerngesetze; Feedforward-Netzwerke und Backpropagation; Selbstorganisieren-de Netze: Kohonen-Netze; Dynamische Netze; Einsatzbeispiele. Fuzzy-Mengen und Fuzzy-Relationsoperationen; Linguistische Variable; Inferenz-Regeln; Repräsentation von Regeln, Fuzzy-Decision-Systeme, Echtzeit-Fuzzy-Expertensysteme; Neuro-Fuzzy-Expertensysteme; Einsatzbeispiele.
Modul
Kompetenzerwerb
Die Studierenden werden mit Konzepten der Programmierung ver-traut, die außerhalb des gängigen Kanons der komponen-ten/objektorientierten Ausbildung liegen. Je nach Wahl:
• Nach der Wahl von Alternative Programmierparadigmen besitzen die AbsolventInnen fundierte Kenntnisse über funktionale und logische Programmierparadigmen unter Anwendung der Programmiersprachen Scheme und Prolog.
• Nach der Wahl von Formale Methoden des Software Engineering besitzen die AbsolventInnen fundierte Kenntnisse in der Meta-Spezifikation von Algorithmen, mit Möglichkeiten des Beweisens der Korrektheit von Programmen, unter Verwendung der Sprache Z.
• Nach der Wahl von Agentensystemen besitzen die AbsolventInnen fundierte Kenntnisse über agentenbasierte Systeme und deren Anwendungsmöglichkeiten.
Lehrveranstaltungen
Agentensysteme
Semester:
3.Semester
Typ:
Integrierte Lehrveranstaltung / Wahlpflicht
ECTS-Punkte:
4,5
Prüfungsart:
Mündliche oder Schriftliche Prüfung
Inhalte:
Das Konzept des intelligenten Agenten, software- und technische Agenten, Klassen intelligenter Agenten (von reflex-basiert bis nut-zen-basiert), das BDI-Modell (beliefs, desires, intentions) von Agen-ten, Entscheidungstheorie, Architekturen von Agenten, Wissensrepräsentation und Inferenz in Agenten, Aktionsplanung und Aktions-ausführung, spezielle Anforderungen an Robotik-Agenten und Software-Agenten, lernfähige Agenten, Q-Learning, kooperative vs. kompetitive Agenten, Agentenkommunikation und Kommunikationsplattformen, Zusammenarbeit von Agentengruppen, Task distribution.
In den Übungen werden konkrete Einsatzbereiche für Agenten-Systeme gezeigt.
Alternative Programmierparadigmen
Semester:
3.Semester
Typ:
Integrierte Lehrveranstaltung / Wahlpflicht
ECTS-Punkte:
4,5
Prüfungsart:
Mündliche oder Schriftliche Prüfung
Inhalte:
Paradigmen stehen im Vordergrund, nicht das Erlernen neuer Programmiersprachen; Hauptaugenmerk liegt auf dem Vergleich der alternativen Problemlösungsmöglichkeiten durch die verschiedenen Paradigmen (und Sprachen). Imperative und objekt-orientierte Programmierung werden als bekannt vorausgesetzt; verschiedene Ausprägungen des objektorientierten Paradigmas anhand von Eigenheiten der Sprachen wie Java, C# und Smalltalk diskutiert. Schwerpunkte bilden das funktionale bzw. des logische Programmierparadigma: Funktionales P.: die Unterschiede von rein funktionalem Programmieren (z. B. Scheme u. ML ohne Zuweisungen, mit Funktionen als first-class values) und imperativen Programmier-sprachen werden herausgearbeitet; Logisches P.: anhand von Prolog wird gezeigt, wie man durch Trennung von Programmlogik und ausführenden Kontrolle eine andere Sichtweise des Programmierens erhält. Abschließend werden relativ neue Paradigmen wie das generative oder das aspektorientierte kurz vorgestellt und mit den anderen verglichen.
Formale Methoden des Software Engineerings
Semester:
3.Semester
Typ:
Integrierte Lehrveranstaltung / Wahlpflicht
ECTS-Punkte:
4,5
Prüfungsart:
Mündliche oder Schriftliche Prüfung
Inhalte:
Motivation, Geschichte und Bedeutung;
Verschiedene Konzepte und Notationen für formale Methoden im Software Engineering, mit z. T. kurze Wiederholung bereits bekann-ter Methoden.
Neue Methoden:
ESC/Java2 (Extended Static Checking for Java2);
Einführung in die Verwendung des Model-Checkers SPIN;
Formale Entwicklungsumgebungen für die Sprachen B und Z;
Einsatz von PVS zum automationsunterstützten Beweisen von Eigenschaften von Softwaresystemen.
Modul
Kompetenzerwerb
Die AbsolventInnen besitzen detaillierte Kenntnisse über moderne Projektentwicklungsmethoden, die den Kunden bzw. die Qualität in den Mittelpunkt rücken. Weiters sind sie vertraut mit modellgesteu-erter Entwicklung, insbesondere UML2 und ihrer Modellierungsme-thoden samt beispielhafter Werkzeuge.
(Das Modul besteht aus zwei Lehrveranstaltungen, die unterschied-liche Aspekte des Software-Projekt-Engineerings behandeln: In der einen, CQD, steht der Kunde bzw. die Qualität im Vordergrund der Betrachtung, in der anderen, MDD, die Art und Weise der Herstel-lung, in diesem Fall die Verwendung von Modellen.)
Lehrveranstaltungen
Software-Projekt-Engineering
Semester:
1.Semester
Typ:
Vorlesung / Pflicht
ECTS-Punkte:
3
Prüfungsart:
Schriftliche Prüfung
Inhalte:
Kundengesteuerte Entwicklung: Requirements Management, Re-quirements-Driven Development, Value-based Software Enginee-ring, Produktlebenszyklus-Management, Reengineering, Servicele-vel-Management, Test-driven Development, Development by Contract (TDD + Assertions); Qualitätsgesteuerte Entwicklung: Qualitätsmanagement und -entwicklung, Qualitätsmodelle (KVP, TQM, EFQM, HOQ, …), ISO 9000ff und CMMI. Application Lifecyc-le Management (ALM) mit zugehörigen Werkzeugen.
Model-driven Development, Model-driven Architecture, Meta-Objektbeschreibungen sowie Modell- und Anwendungsgeneratoren (inkl. Multi-Plattform-Deployment). Vorstellung dazugehöriger Me-thoden und Standards, wie z. B. UML2, MDA , MOF, OMG, QVT, Microsofts DSL.
Software-Projekt-Engineering
Semester:
1.Semester
Typ:
Ãœbung / Pflicht
ECTS-Punkte:
2
Prüfungsart:
Immanente Beurteilung
Inhalte:
Behandlung von Werkzeugen, die auf diese Weise vollautomatisch vollständige Anwendungen generieren können, wie z. B. Tau Gen. II.
Modul
Kompetenzerwerb
Die AbsolventInnen erlernen/üben, die erworbenen Software-Engineering-Kenntnisse in Projekten aus der Praxis (mit üblicherweise realen Auftraggebern) integrativ in Teams umzusetzen und vertiefen in projektspezifischen Bereichen das erworbene fachliche Wissen.
Lehrveranstaltungen
Software-Projekt-Engineering: Praxis 1
Semester:
1.Semester
Typ:
Projektstudium / Pflicht
ECTS-Punkte:
6
Prüfungsart:
Immanente Beurteilung
Inhalte:
Umsetzung der Projekt-Engineering-Kenntnisse in einem einjährigen Gruppenprojekt, typischerweise mit externem Auftraggeber; im 1. Semester liegt der Fokus auf dem Prozess der Projektentwicklung
Modul
Kompetenzerwerb
Die AbsolventInnen erlernen/üben, die erworbenen Software-Engineering-Kenntnisse in Projekten aus der Praxis (mit üblicher-weise realen Auftraggebern) integrativ in Teams umzusetzen und vertiefen in projektspezifischen Bereichen das erworbene fachliche Wissen.
Lehrveranstaltungen
Software-Projekt-Engineering: Praxis 2
Semester:
2.Semester
Typ:
Projektstudium / Pflicht
ECTS-Punkte:
6
Prüfungsart:
Immanente Beurteilung
Inhalte:
Fortsetzung des Studienprojekts aus dem ersten Semester; im 2. Semester Fokus auf den Prozess der Produktentwicklung
Modul
Kompetenzerwerb
Die AbsolventInnen erlernen/üben, die erworbenen Software-Engineering-Kenntnisse in Projekten aus der Praxis (mit üblicher-weise echten Auftraggebern, Kooperationspartnern) integrativ in Teams umzusetzen und vertiefen in projektspezifischen Bereichen das erworbene fachliche Wissen.
Lehrveranstaltungen
Diplomarbeitsprojekt
Semester:
3.Semester
Typ:
Projektstudium / Pflicht
ECTS-Punkte:
4
Prüfungsart:
Immanente Beurteilung
Inhalte:
Inhaltliche, projektbezogene Vorarbeiten für die Diplomarbeit (einzeln oder in einer kleinen Gruppe).
Modul
Kompetenzerwerb
Je nach Wahl:
• Die AbsolventInnen besitzen fundierte Kenntnisse in den Kon-zepten und Methoden des Data Warehousing/Data Mining und Maschinellen Lernens. Beginnend von der Sichtweise auf Da-tenbankebene erwerben sie im ersten Teil des Moduls Grund-kenntnisse des Data Warehousing wie Datenbeschaffung, Da-tenvorverarbeitung, OLAP (Online Analytical Processing) bzw. Datenbankdesign für Data Warehouse.
• Die AbsolventInnen kennen die technischen Herausforderungen von Echtzeitsystemen und sind in der Lage auch auf spezieller Hardware (z. B. proprietären Entwicklungsboards) mit minimalen und/oder echtzeitfähigen Betriebssystemen (z. B. real-time LINUX) hardwarenahe Aufgabenstellung mit (harten) Echtzeit-anforderungen zu entwickeln.
Lehrveranstaltungen
Data Warehousing und OLAP
Semester:
1.Semester
Typ:
Integrierte Lehrveranstaltung / Wahlpflicht
ECTS-Punkte:
4,5
Prüfungsart:
Mündliche oder Schriftliche Prüfung
Inhalte:
Grundlagen: Analytische vs. direkte Datenverarbeitung – verschiedene Architekturen für verschiedene Anforderungen; Data Wa-rehouse als ganzheitliches Depot analytischer Daten; Reale Anwendungsbeispiele von OLAP (Online Analytical Processing) Data-Warehouse-Systemen. Aufbau eines Data Warehouse: Methodik des Data-Warehouse-Implementierungsprozesses, Wahrung von Datenintegrität, Exaktheit und Vollständigkeit, ETL-Prozesse (extract-transform-load), Aufgabe und Sinn von Metadaten. Datenbankdesign für Date Warehouse: Anforderungen an Datenbanken bzgl. mehrdimensionaler Abfragen; Datenbanktechnologien für OLAP.
Ãœbungsteil: Schulung in der Benutzung einer kommerziellen OLAP-Entwicklungsumgebung.
Echtzeitsysteme und Echtzeitprogrammierung
Semester:
1.Semester
Typ:
Integrierte Lehrveranstaltung / Wahlpflicht
ECTS-Punkte:
4,5
Prüfungsart:
Mündliche oder Schriftliche Prüfung
Inhalte:
Einführung: Charakteristika von Echtzeitsystemen; Harte vs. weiche Echtzeitanforderungen. Echtzeit-Scheduling: Zeit- und Prioritätsgesteuertes Scheduling, Ressourcenverwaltung, Multiprozessor-Scheduling und Alternativen zum Multitasking. Echtzeit-Kerne. Kommunikation unter Echtzeitanforderungen: TCP/IP und Echtzeit und Feldbusse (Profibus, CAN Bus, Interbus-S, Felxray). Entwurfsmethoden für Echtzeitsysteme
Modul
Kompetenzerwerb
Je nach Wahl:
• Die AbsolventInnen kennen die verschiedenen Bereiche des Data Mining aus der Sichtweise der Problemstellung, sie haben aber auch einen Überblick über die verschiedenen Techniken und Algorithmen zur Lösung dieser Probleme.
• Die AbsolventInnen sind in der Lage, komplexe Auf-gabenstellungen der Bildverarbeitung zu analysieren und in Teilproblemen einer Lösung zuzuführen. Dabei kommen fortge-schrittene Methoden der Bildverarbeitung und Bildanalyse zur Anwendung, die in einer Prozesskette die automatisierte Erken-nung und Analyse der Inhalte digitaler Szenarien ermöglichen. Sie können, basierend auf grundlegenden Methoden fortgeschrittene Konzepte der digitalen Bildverarbeitung verstehen und selbständig anwenden. Die Inhalte führen zu fundamentalen Algorithmen der Bilderkennung und -analyse.
Lehrveranstaltungen
Business Intelligence und Data Mining
Semester:
2.Semester
Typ:
Integrierte Lehrveranstaltung / Wahlpflicht
ECTS-Punkte:
4,5
Prüfungsart:
Mündliche oder Schriftliche Prüfung
Inhalte:
Allgemeines: Zweck und typische Anwendungsbereiche von Data Mining in Wissenschaft und Wirtschaft; Datenvorverarbeitung und Modellierung; Merkmalsidentifikation; Kritische Faktoren für erfolg-reiches Data Mining; Data Mining-Prozess; Methodologien für Data Mining. Problemformulierung für Data Mining: Vorhersageprobleme; Clustering; Assoziationsregeln; Text Mining und Web Mining; Struktur- und Musteridentifikation in Zeitreihendaten. Algorithmen: Algorithmen zur Merkmalsselektion; Lineare Methoden für Regression und Klassifikation; Überblick über Algorithmen des Maschinellen Lernens (Entscheidungsbäume, Fallbasiertes Lernen, Regelbasiertes Lernen, Neuronale Netze); Evo-lutionäre Algorithmen; Clustering Algorithmen
Strukturidentifikation und Zeitreihenanalyse. Induktive Datenbanken.
Übungsteil: Verwendung der verschiedenen Data-Minig-Algorithmen anhand von Datensätzen aus der Praxis wie auch Benchmark-Datensätzen; Training im Umgang mit kommerzieller DM-Software
Fortgeschrittene Bildverarbeitung und -analyse
Semester:
2.Semester
Typ:
Integrierte Lehrveranstaltung / Wahlpflicht
ECTS-Punkte:
4,5
Prüfungsart:
Mündliche oder Schriftliche Prüfung
Inhalte:
Lineare Abbildungssysteme: Bildrestauration, Wiener Deconvolution.
Bildverbesserung: Fundamentale Filter, Canny Edge Detektor, Scale Spaces, Pyramides, Adaptive Filters, Diffusionsmodelle zur Filterung.
Segmentierung: Grundlegende Algorithmen, Mathematische Mor-phologie, Active Contours, deformierbare Modelle, Principal Com-ponents Analysis.
Shape Repräsentation: Chain-Codes, Spline-Repräsentation.
Bildfusion: Prokrustes_analyse, Korrelation, Chamfer-Matching.
Texturanalyse: Statistische Methoden.
Bildanalyse: Kontrollstrategien, seriell, parallel, hierarchisch, modelbasiert, bottom-up, Punktverteilungsmodelle, Semantische Segmentierung.
Modul
Kompetenzerwerb
Ja nach Wahl:
• Die AbsolventInnen besitzen fundierte Kenntnisse in Im letztge-nannten Gebiet ist der Schwerpunkt des dritten Teils des Moduls angesiedelt. Hier erwerben die AbsolventInnen Kenntnisse in den verschiedenen für Data Mining relevanten Disziplinen des Maschinellen Lernens und Softcomputing und aus einer algo-rithmischen Sichtweise.
• Die AbsolventInnen besitzen fundierte Kenntnisse über die Me-thoden des Knowledge Engineering und des Semantic Web. Das Modul vermittelt Kenntnisse über Methoden und Systeme für die Synthese von Wissensbasen (mit Standard Frameworks), über Techniken der Wissensmodellierung, über die Syn-these von Ontologien, über Wissensakquisition, über Methoden für Information Retrieval, wie Indizierung, Kategorisierung und Klassifizierung von Texten mit Anwendungen im Semantik Web, speziell Anwendungen von Web Ontologien mit Ontologie-Modellierungssprachen und Ontologie-Lernmethoden, die dem Aufbau verteilter Wissensbasen dienen.
Lehrveranstaltungen
Machine Learning
Semester:
3.Semester
Typ:
Integrierte Lehrveranstaltung / Wahlpflicht
ECTS-Punkte:
4,5
Prüfungsart:
Mündliche oder Schriftliche Prüfung
Inhalte:
Grundlagen: Begriffslernen und Versionenräume; Entscheidungs-bäume; Fall- und Regelbasiertes Lernen; Lineare Klassifikatoren und Neuronale Netze; Bayes‘sches Lernen; Clusteranalyse und räumliches Data Mining; Hypothesenbewertung, Hypothesentests, ROC-Analysen, Modellselektion; Lerntheorie. Übungsteil: Training im Umgang mit den verschiedenen Methoden des Maschinellen Lernens anhand realer und Benchmark-Aufgabenstellungen; Training im Umgang mit Weka Machine Learning-Software
Web-Semantik-Technologien
Semester:
3.Semester
Typ:
Integrierte Lehrveranstaltung / Wahlpflicht
ECTS-Punkte:
4,5
Prüfungsart:
Mündliche oder Schriftliche Prüfung
Inhalte:
Web-Semantik und Wissensbasen: Wissensengineering-Prozess; Wissensakquisition, Wissensvalidierung, Wissensrepräsentation, Inferencing, Wissenexplanation; Wissenquellen, domänen-abhängiges Konzeptualisieren und Strukturieren des Wissens.
Wissensmodellierung und Repräsentierung: Sourcecentric Model und Query-centric Model; Konzept, Plan, Thesaurus, Ontologie (Domänenmodellierung), Ontologie-Beschreibungssprachen: OWL und RDF, Ontologie und Schema in Web: Einfache Ontologie, Strukturierte Ontologie, Ontologie-Akquisition, Querying RDF Data, Ontologie-Entwurfswerkezuge.
Wissensakquisition: Semantische Suche im Web und Expertenwis-sen, Ontologie-basierter Wissenserwerb, Wissensrepräsentation für Texte, Dokumentationssprachen und Thesauri, Textrepräsentation für Modelle des Information Retrieval (IR), IR-Techniken und IR-Systeme, Nicht-probabilistische Methoden des IR: einfache und komplexe Modelle, probabilistische IR-Methoden, Multimedia-IR, Aufbau einer Suchmaschine, Techniken des Crawling, Typische Funktionen einer Suchmaschine, IR-Verfahren im Web; Wissensva-lidierung und Ontologie-Aktualisieren, semiautomatischer Aufbau von Ontologien, Wissensmanagement.
Modul
Kompetenzerwerb
Die AbsolventInnen lernen weitere Techniken des Schreibens einer wissenschaftlichen Arbeit kennen und setzen diese anhand der eigenen Arbeit um. Durch Unterstützung und Feedback seitens des/der Betreuers/Betreuerin vom FH-Studiengang ist ein schritt-weises Vorgehen mit kontinuierlicher Qualitätsverbesserung gesi-chert.
Lehrveranstaltungen
Diplomarbeit
Semester:
4.Semester
Typ:
Diplomarbeit / Pflicht
ECTS-Punkte:
25
Prüfungsart:
Schriftliche Prüfung
Inhalte:
Erstellen der wissenschaftlichen Diplomarbeit; Dokumentieren dieser in Form der Diplomschrift.
Modul
Kompetenzerwerb
Die AbsolventInnen lernen die Techniken des wissenschaftlichen Arbeitens kennen und werden in die Lage versetzt, problemspezi-fisch die relevanten Wissensquellen auszuwählen und inhaltlich zu nützen. Die Lehrveranstaltung vermittelt die Kenntnisse, um eigen-ständig eine formal korrekte wissenschaftliche Arbeit zu erstellen und diese Arbeit in Kontext zum Stand der Technik zu setzen.
Lehrveranstaltungen
Wissenschaftliches Arbeiten
Semester:
3.Semester
Typ:
Seminar / Pflicht
ECTS-Punkte:
2
Prüfungsart:
Immanente Beurteilung
Inhalte:
Struktur u. Funktionen der Formen des wissenschaftlichen Arbeitens: Protokoll, Bericht, Thesenpapier, Diplomarbeit. Techniken des wissenschaftlichen Arbeitens: Wissenschaftliches Material; Recherche (z. B. in Bibliotheken, Katalogen, bei Verlagen und in Bibliogra-phien; Schneeballsystem, Suchstrategien); Karteisysteme; Techniken d. Materialdarstellung; Fremdmaterial, Belegen; Abkürzungen; Literaturverzeichnis; Konzeptionelle Planung; Themenwahl und -reflexion, Zeitplanung, Material, Darstellung, Literaturverwaltungs-programme.
Diplomarbeitsseminar
Semester:
4.Semester
Typ:
Seminar / Pflicht
ECTS-Punkte:
4
Prüfungsart:
Immanente Beurteilung
Inhalte:
Forum zur Diskussion offener Fragen im Rahmen der Diplomarbeit, Präsentation der Diplomarbeit (Vortrag) und zur Diskussion der Ergebnisse.
Modul
Kompetenzerwerb
Die AbsolventInnen zeichneen sich durch folgende Fähigkeiten sowohl in englischer Sprache als auch im Bereich Sozialverhaltens aus: Teamarbeit, Umgang mit Fachliteratur, mündliche und schriftliche Präsentation von Arbeitsergebnissen und fachbezogenen Inhalten, mündliche und schriftliche Analyse von SE-relevanten Problemen, Diskutieren von Lösungen und Präsentieren von Ergebnissen sowie überzeugtes, selbstsicheres Auftreten in verschiedenen Situationen.
In Form eines Trainings in Kleingruppen wird die Fähigkeit der Ab-solventInnen zur Teamarbeit weiter ausgebaut und in konkreten Fallbeispielen umgesetzt. In verstärktem Ausmaß wird dabei der Führungsfunktion Aufmerksamkeit geschenkt.
Lehrveranstaltungen
English Conversation
Semester:
3.Semester
Typ:
Seminar / Pflicht
ECTS-Punkte:
2
Prüfungsart:
Immanente Beurteilung
Inhalte:
Aus der Vielfalt von möglichen Themen in den anderen Lehrveranstaltungen werden aktuelle Themen ausgesucht und mit den Studierenden bearbeitet. Hauptsächlich – aber nicht exklusiv – durch Simulationen, Rollenspiele, Fallstudien, Gruppenarbeit, Arbeit in Paaren, Präsentieren, Diskutieren, Debatten sowie Video- bzw. Audioarbeit werden grammatikalische Schwerpunkte aufgefrischt und vertieft, der fachspezifische bzw. alltägliche Wortschatz erweitert und wichtige Redewendungen vermittelt, um eine Verbesserung des schriftlichen und mündlichen Ausdrucks zu erreichen.
Teamarbeitspraxis
Semester:
4.Semester
Typ:
Individualtraining / Pflicht
ECTS-Punkte:
1
Prüfungsart:
Immanente Beurteilung
Inhalte:
Herstellung eines Bezugs auf SK-Grundlagen im Bachelorstudien-gang. Merkmale in Teams (Gruppenkohäsion, Gruppennormen, motivationale Besonderheiten, gruppenpsychologische Phänomene, etc.). Phasen der Teamentwicklung (z. B. Blachard, Tuckman, Teamuhr von Francis/Young, etc.). Fokus auf die situationsbezogene Führung von Gruppen. Rollen in Teams (z. B. Schindler, Belbin, etc.). Konflikte in Teams, Motivation.
