Deep Learning Engineer (m./w./d.)

Art: Fachhochschulstudium – Bachelorstudium

Dauer: 6 Semester

Form: Vollzeit

NQR-Level: 6  ISCED-Level: 6  ECTS-Punkte: 180  

Voraussetzungen:

• Reifeprüfung, Berufsreifeprüfung oder Studienberechtigungsprüfung oder
• facheinschlägige berufliche Qualifikationen (z. B. Lehre, BMS-Abschluss) mit Zusatzprüfung
• Quereinstieg im 3. Semester für facheinschlägige HTL-AbsolventInnen möglich

Abschluss:

Bachelor of Science (BSc)

Berechtigungen:

Zugangsberechtigung zu facheinschlägigen Masterstudiengängen

Info:

Lehrinhalte: Informatik, Medieninformatik, Softwareentwicklung, Computersicherheit, Betriebs- und Volkswirtschaft, Unternehmensführung, Qualitätsmanagement, Englisch. Berufsfelder: Projektleitung in IT-Projekten, Datenbankdesign und -administration, Multimedia-Entwicklung, IT-Beratung, IT-Training.

Kosten: EUR 363,36 pro Semester + ÖH-Beitrag

Weitere Infos: https://www.fachhochschulen.ac.at

Art: Fachhochschulstudium – Masterstudium

Dauer: 4 Semester

Form: Berufsbegleitend

NQR-Level: 7  ISCED-Level: 7  ECTS-Punkte: 120  

Voraussetzungen:

abgeschlossenes facheinschlägiges Bachelorstudium oder Abschluss eines gleichwertigen Studiums gegebenenfalls mit Zusatzprüfungen

Abschluss:

Master of Science (MSc)

Berechtigungen:

Zugangsberechtigung zu facheinschlägigen PhD-Studien

Info:

Spezialisierungen:

• AI Engineering
• Game Engineering

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

Studieninhalte:

• Computer Graphics Basics / Programming Basics / Machine Learning Basics
• AI Concepts & Algorithms
• Advanced Programming
• Software Engineering
• Mathematics: Numerical Methods / Probabilistic Methods
• Visual Computing
• Engine Architecture and Design
• Development Projects
• Scientific Working and Ethics
• Mixed Reality und Simulation
• Interactive AI
• Master Thesis Project
• Entrepreneurship: Business Model Innovation / Law

Weitere Infos: https://www.technikum-wien.at/studium/master-studiengang-ai-engineering/

Art: Fachhochschulstudium – Masterstudium

Dauer: 4 Semester

Form: Berufsbegleitend

NQR-Level: 7  ISCED-Level: 7  ECTS-Punkte: 120  

Voraussetzungen:

• facheinschlägiger Hochschulabschluss (Bachelor- oder Diplomabschluss) an einer in- oder ausländischen Hochschule oder Abschluss eines gleichwertigen Studiums an einer postsekundären Bildungseinrichtung (180 ECTS)
• Nachweis von ECTS-Leistungspunkten in den Bereichen Informatik und/oder Mathematik
• Beherrschung der deutschen Sprache (Level B2)
• Englisch-Kenntnisse (Level B2)

Abschluss:

Master of Science in Engineering (MSc)

Berechtigungen:

Zugangsberechtigung zu facheinschlägigen PhD-Studien

Info:

Künstliche Intelligenz und Data Science sind Technologien, die fast alle Lebens- und Arbeitsbereiche hochgradig durchdringen und nicht mehr wegzudenken sind. Mit dem Masterstudiengang AI for Sustainable Technologies werden die Studierenden zu verantwortungsbewussten Gestalter*innen einer Zukunft, in der Menschen von KI in nachhaltiger Art und Weise unterstützt werden. Im Studium fokussieren sie sich auf die zwei zentralen Begrifflichkeiten ›Künstliche Intelligenz‹ und ›Nachhaltige Technologieentwicklung‹ und lernen, ihre technischen Kompetenzen in Data Science und Softwareengineering mit den Fähigkeiten zu Entwurf und Anwendung von Sustainable AI zu kombinieren.

Kosten: EUR 363,36 pro Semester + ÖH-Beitrag

Inhalte:

• Data Science & Artificial Intelligence
• Analytics & Knowlegde Discovery
• Zukunftsfähige Technologie & Nachhaltige Gesellschaft
• Verteilte Systeme & Cloud Technologien
• Software & Process Notations
• Mathematik & Modellierung
• IT- & Security Management
• Agiles Projektmanagement
• Maschine Learning
• Time Series Prediction & Business Forecasting
• Software-Engineering & Operations
• Moderne Software-Architekturen
• Applied Statistics
• Vertrieb, Marketing & Digitale Innovation
• Maschinenethik
• Language Technologies & Applications
• Reinforcement Learning for Intelligent Agents
• Deep Learning for Image Analysis
• Applied AI Lab
• Big Data Engineering oder Industrielle Bildverarbeitung
• Unternehmensführung & -gründung

Weitere Infos: https://www.fh-salzburg.ac.at/studium/it/ai-for-sustainable-technologies-master

Art: Fachhochschulstudium – Masterstudium

Dauer: 4 Semester

Form: Berufsermöglichend

NQR-Level: 7  ISCED-Level: 7  ECTS-Punkte: 120  

Voraussetzungen:

abgeschlossenes facheinschlägiges Bachelorstudium

Abschluss:

Master of Science in Engineering (MSc)

Berechtigungen:

Zugangsberechtigung zu facheinschlägigen PhD-Studien

Weitere Infos: https://www.fh-joanneum.at/

Art: Fachhochschulstudium – Masterstudium

Dauer: 4 Semester

Form: Vollzeit

NQR-Level: 7  ISCED-Level: 7  ECTS-Punkte: 120  

Voraussetzungen:

• ein abgeschlossener facheinschlägiger Fachhochschul-Bachelorstudiengang oder
• der Abschluss eines gleichwertigen Studiums an einer anerkannten inländischen oder ausländischen postsekundären Bildungseinrichtung im Ausmaß von mindestens 180 ECTS und sechs Semester.

Abschluss:

Diplom-Ingenieur*in (DI)

Berechtigungen:

Zugangsberechtigung zu facheinschlägigen PhD-Studien

Info:

Mit diesem Master Studiengang lernen Studierende, die fortgeschrittenen Verfahren der AI zu beherrschen und diese in Unternehmen sicher umzusetzen. Sie finden neue Wege und teilen ihr Wissen, um eine nachhaltige und umfassende AI-Nutzung in Österreich und/oder international sicherzustellen.

Lehrinhalte:

Das Curriculum umfasst folgende inhaltliche Schwerpunkte:

• Advanced Machine Learning
• AI Architecture
• AI & Society
• Digital Business Transformation
• Scientific Working

Zusätzlich können Studierende durch Wahlfächer individuelle Schwerpunkte setzen.

Berufsfelder:
Data Scientist, Business Analyst, Data Architect, Data Engineer, DevOps, Machine Learning Engineer, Chief Data Officer, Chief Data Scientist

Weitere Infos: https://www.fhstp.ac.at/mdi

Art: Fachhochschulstudium – Masterstudium

Dauer: 4 Semester

Form: Berufsermöglichend

NQR-Level: 7  ISCED-Level: 7  ECTS-Punkte: 120  

Voraussetzungen:

abgeschlossenes, facheinschlägiges Bachelorstudium

Abschluss: Master of Science in Engineering (MSc)

Berechtigungen: Zugangsberechtigung zu facheinschlägigen PhD-Studien

Info:

Weltweit entstehen pro Sekunde 1.3 Petabyte an Daten. Die Analyse solcher Datenmengen erfordert Methoden aus den Bereichen Machine Learning und Artifical Intelligence. Diese erlernen High Potentials aus Informatik, Informationsmanagement, Mathematik, Physik, VWL etc. in diesem Studium. Die Expertise unserer Absolventinnen und Absolventen ist stark gefragt, denn Daten sind das Öl des 21. Jahrhunderts.

Lehrinhalte.:

• Scripting für Data Scientists
• Graphentheorie und Systemdynamik
• Informations- und Kodierungstheorie
• Datenbankgrundlagen und Abfragesprachen
• Management relationaler Datenbanken
• Einführung in Data Science
• Deskriptive Statistik
• Wahrscheinlichkeitstheorie und Induktive Statistik
• Agenten-basierte Programmierung
• High Performance Computing
• Datenstrukturen und Algorithmen
• Optimierung und Numerik
• Neuronale Netze: Architekturen / Deep Learning
• Multivariate Statistik und Data Mining
• Datenqualität und Datenbereinigung
• Fortgeschrittene Informationsvisualisierung
• Cloud Computing für Data Scientists
• Business Development und Innovation
• Fortgeschrittene Themen der Künstlichen Intelligenz
• Entscheidungs- und Spieltheorie
• Schwarmintelligenz und Evolutionäre Algorithmen
• Ethik, Compliance und Datenschutz

Weitere Infos: https://www.fh-joanneum.at/studium/master-studiengaenge/

Art: Fachhochschulstudium – Masterstudium

Dauer: 4 Semester

Form: Vollzeit

NQR-Level: 7  ISCED-Level: 7  ECTS-Punkte: 120  

Voraussetzungen:

• abgeschlossenes, facheinschlägiges Bachelor- oder Diplomstudium
• Aufnahmegespräch

Abschluss:

Master of Science in Engineering (MSc)

Berechtigungen:

Zugangsberechtigung zu facheinschlägigen PhD-Studien.

Info:

Das Studium ist mit zwei Vertiefungsmöglichkeiten in

• biomedizinischer Datenanalyse oder
• Datenanalyse in Marketing und Produktion

Studienschwerpunkte:

• Aufbau des Datenverständnisses: Datenselektion, Datenintegration und Datenaufbereitung, Verknüpfung, Transformation und Indizierung verschiedenster Datenquellen, Entwicklung aussagekräftiger Datenrepräsentationen und Visualisierungen
• Datenspeicherung und -management in Kombination mit Big Data und Cloud-Technologien, auch für Echtzeitdaten
• Datenanalyse mit Methoden aus den Bereichen Computational Intelligence und Statistik für die Erstellung von Prognosemodellen zur Beantwortung einer konkreten Fragestellung aus dem Unternehmen
• Computer Vision Methoden zur Extraktion von Wissen aus Bilddaten
• Praxisbezogene Projekte zur Datenanalyse mit Kooperationspartnern aus den Domänen Biomedizin, Marketing und Produktion

Weitere Infos: https://www.fh-ooe.at/

Art: Fachhochschulstudium – Masterstudium

Dauer: 4 Semester

Form: Berufsbegleitend

NQR-Level: 7  ISCED-Level: 7  ECTS-Punkte: 120  

Voraussetzungen:

abgeschlossenes facheinschlägiges Bachelorstudium oder gleichwertige Qualifikationen und Berufspraxis

Abschluss:

Master of Science (MSc)

Berechtigungen:

Zugangsberechtigung zu facheinschlägigen PhD-Studien

Info:

Unterrichtssprachen: Deutsch und Englisch

Studierende erwerben in die Tiefe gehendes Know-how zu digitaler Technologie. Das versetzt sie in die Lage, Technologieentscheidungen zu treffen, komplexe Informationssysteme zu entwerfen und in agilen Teams als Prototypen umzusetzen und sich in zukunftsweisende Technologiegebiete selbständig einzuarbeiten.
Schwerpunkte bilden:

• Cognitive Systems: Machine Learning, Generative Artificial Intelligence, Intelligent Assistance, Data Science
• Cyber-Physical Systems: Internet of Things, Robotics, Assistance Systems, Augmented Reality

(Quelle: FH der WKW)

Inhalte, u.a.:

• Modul: Data Science
• Modul: Agile Software Engineering
• Modul: Human-Technology Interaction
• Modul: Innovation Design
• Modul: Innovation Teams and Networks
• Modul: Technology Lab: Cognitive Systems
• Modul: Technology Lab: Cyber-Physical Systems
• Modul: Strategic Transformation
• Modul: Innovation Challenge
• Modul: Technology Management
• Modul: Seminar: Emergent Digital Technologies
• Modul: Innovation Challenge & Prototyping - Project Work Continuation
• Modul: Innovation Deployment

Mögliche Tätigkeitsbereiche:

• Digital bzw. IT Consulting
• IT Management und IT Project Management
• Digital Engineering
• Innovation Management
• Digital Transformation
• Digital Product Development
• IT Research, Development and Innovation

Weitere Infos: https://www.fh-wien.ac.at/studium/master/digital-technology-and-innovation/

Art: Fachhochschulstudium – Masterstudium

Dauer: 4 Semester

Form: Berufsermöglichend

NQR-Level: 7  ISCED-Level: 7  ECTS-Punkte: 120  

Voraussetzungen:

Die Zulassung zum Masterstudium Multilingual Technologies setzt einen fachlich in Frage kommenden Bachelorabschluss (z. B. Computer Science and Digital Communications der FH Campus Wien oder Transkulturelle Kommunikation der Universität Wien) sowie folgende fachspezifische Kenntnisse voraus:

• Grundkenntnisse der Sprachtechnologien und Fachkommunikation
• Grundlagen der Informatik, grundlegende Methoden und Tools des Software Engineerings

Abschluss:

Master of Science (MSc)

Berechtigungen:

Zugangsberechtigung zu facheinschlägigen PhD-Studien

Info:

Multilingual Technologies verknüpft Sprache und IT. Der in Österreich einzigartige Master wird in Kooperation mit dem Zentrum für Translationswissenschaften der Uni Wien angeboten und richtet sich an alle, die bereits einen Abschluss in einem technischen oder translationswissenschaftlichen Bachelorstudium haben und sich für Sprachtechnologien sowie multilinguale Lösungen und Konzepte interessieren. Der interdisziplinäre Charakter des Studiums befähigt für zukunftsorientierte Berufsfelder, etwa in der Sprachtechnologie oder im Bereich maschinelle Übersetzung.

Inhalte, u.a.:

• Introduction to Computational Linguistics
• Introduction to Machine Learning for Language Processing
• Multilingual and Crosslingual Methods and Language Resources
• Programming and Algorithms for Language Technologies
• Programming and Algorithms for Language Technologies
• Statistical Methods for Language Processing
• Translation Technologies
• Basics in Machine Translation
• Information Design for Language Data
• Information Extraction and Retrieval for Multilingual Natural Language Data
• Machine Learning Methods for Language Processing
• Machine Learning Methods for Language Processing
• Speech Technologies
• Transcultural Communication
• Advanced Machine Translation
• Human-Computer Interaction for Computational Linguists
• Software Engineering for Language Technologies
• Data Protection and Privacy for Computational Linguists
• IT Project Management for Computational Linguists

Weitere Infos: https://www.fh-campuswien.ac.at/studium-weiterbildung/studien-und-lehrgangsangebot/multilingual-technologies.html

Art: Universitätsstudium – Bachelorstudium

Dauer: 6 Semester

Form: Vollzeit

NQR-Level: 6  ISCED-Level: 6  ECTS-Punkte: 180  

Voraussetzungen:

• Reifeprüfung, Berufsreifeprüfung, Studienberechtigungsprüfung
• Englischkenntnisse auf Level B2 (Maturaniveau) empfohlen

Abschluss: Bachelor of Science (BSc)

Berechtigungen:

Zugangsberechtigung zu facheinschlägigen Masterstudien

Info:

in Englischer Sprache

Inhaltliche Schwerpunkte:

• Computer Science: Python programmiert und die Grundlagen über Algorithmen und Datenstrukturen
• Mathematics: alle für AI relevanten mathematischen Grundlagen
• AI Basics and Practical Work: Grundkompetenzen und Fertigkeiten anhand realer Problemstellungen
• AI and Society: Wie intelligent können Maschinen sein und wo werden sie im Alltag eingesetzt? Bedeutung der AI für die Gesellschaft und Interaktion von intelligente Systeme mit den Menschen
• Data Science: mit Techniken aus Mathematik, Statistik und Informatik Wissen aus Daten ziehen, Methoden der Sprachverarbeitung und der Signalverarbeitung
• Knowledge Representation and Reasoning: Wie kann Wissen so in eine Maschine integriert werden, dass diese Schlüsse daraus ziehen oder Probleme lösen kann?
• Machine Learning and Perception: Wie können Maschinen aus Daten und Erfahrungen für zukünftige Aufgabenstellungen lernen? Wie nehmen Maschinen ihre Umgebung wahr und lernen sie zu verstehen? Können Maschinen mehr lernen als Menschen?

Weitere Infos: https://www.jku.at/studium/studienarten/bachelordiplom/ba-artificial-intelligence/

Art: Universitätsstudium – Bachelorstudium

Dauer: 6 Semester

Form: Vollzeit

NQR-Level: 6  ISCED-Level: 6  ECTS-Punkte: 180  

Voraussetzungen:

Reifeprüfung, Berufsreifeprüfung oder Studienberechtigungsprüfung

Abschluss:

Bachelor of Science (BSc)

Berechtigungen:

Zugangsberechtigung zu facheinschlägigen Masterstudien

Info:

Berufsfelder: statistische Abteilungen im Bereich Banken und Finanzdienstanbieter, Unternehmensberatung, Konsumgüterindustrie, Forschungsinstitute in Wirtschaft und Technik, öffentliche Verwaltung.

Weitere Infos: https://www.studienwahl.at

Art: Universitätsstudium – Bachelorstudium

Dauer: 6 Semester

Form: Vollzeit

NQR-Level: 6  ISCED-Level: 6  ECTS-Punkte: 180  

Voraussetzungen:

• Reifeprüfung, Berufsreifeprüfung oder Studienberechtigungsprüfung

Abschluss:

Bachelor of Science (BSc)

Berechtigungen:

Zugangsberechtigung zu facheinschlägigen Masterstudien

Info:

Berufsfelder: Unternehmen, der öffentlichen Verwaltung oder sonstigen Organisationen, deren Geschäftsfeld stark auf der Sammlung, Verarbeitung und Präsentation von Informationen durch Computer beruht. InformatikerInnen planen die Infrastruktur, den Einsatz von Informationssystemen und die Eigenentwicklung von Informationssystemen.

Informationen zu den Studienplänen und zu Spezialisierungsmöglichkeiten (Studienzweige) finden Sie unter Wissenschaftsuniversitäten - Übersicht (Uni-Wegweiser).

Weitere Infos: https://www.studienwahl.at

Art: Universitätsstudium – Bachelorstudium

Dauer: 6 Semester

Form: Vollzeit

NQR-Level: 6  ISCED-Level: 6  ECTS-Punkte: 180  

Voraussetzungen:

• Reifeprüfung, Berufsreifeprüfung oder Studienberechtigungsprüfung

Abschluss:

Bachelor of Science (BSc)

Berechtigungen:

Zugangsberechtigung zu facheinschlägigen Masterstudien

Weitere Infos: https://www.studienwahl.at

Art: Universitätsstudium – Bachelorstudium

Dauer: 6 Semester

Form: Vollzeit

NQR-Level: 6  ISCED-Level: 6  ECTS-Punkte: 180  

Voraussetzungen:

• Reifeprüfung (Matura), Berufsreifeprüfung oder Studienberechtigungsprüfung

Abschluss:

Bachelor of Science (BSc)

Berechtigungen:

Zugangsberechtigung zu facheinschlägigen Masterstudien

Weitere Infos: https://www.studienwahl.at

Art: Universitätsstudium – Masterstudium

Dauer: 4 Semester

Form: Vollzeit

NQR-Level: 7  ISCED-Level: 7  ECTS-Punkte: 120  

Voraussetzungen:

• abgeschlossenes facheinschlägiges Bachelorstudium
• Englischkenntnisse auf Level B2 (Maturaniveau) empfohlen

Abschluss: Master of Science (MSc)

Berechtigungen:

Zugangsberechtigung zu facheinschlägigen PhD-Studien

Info:

in Englischer Sprache

Studienschwerpunkte:

Das Studium legt den Schwerpunkt auf Deep Learning. Daneben kann einer von vier inhaltlichen Schwerpunkte gewählt werden.

• AI und Mechatronik – Robotics and Autonomous Systems: Robotik, autonomes Fahren, Drohnen
• AI und Mechatronik – Embedded Intelligence and Signal Processing: KI in Sensoren und Geräte einbetten; KI-Techniken zur Datenanalyse; Signalverarbeitung zur Datenanalyse von Sensoren bei Kameras, Radar, Lidar, Ultraschall und chemischen Detektoren
• Reasoning and Knowledge Representation: logisches Schlussfolgern inklusive Modellprüfung und Theorembeweis; Software- und Hardware-Verifizierung, Computeralgebra, maschinelles Lernen
• AI and Life Sciences: KI-Techniken u. a. in Medizin, Biologie, Biotechnologie, Genomik und Genetik anwenden

Weitere Infos: https://www.jku.at/studium/studienarten/master/ma-artificial-intelligence/

Art: Universitätsstudium – Masterstudium

Dauer: 4 Semester

Form: Vollzeit

NQR-Level: 7  ISCED-Level: 7  ECTS-Punkte: 120  

Voraussetzungen:

abgeschlossenes facheinschlägiges Bachelorstudium

Abschluss:

Master of Science (MSc)

Berechtigungen:

Zugangsberechtigung zu facheinschlägigen PhD-Studien

Info:

Im Masterstudium Data Science dreht sich alles darum, wie Daten effektiv, fachkundig und verantwortungsvoll zur Wissensgewinnung genutzt werden können. Ein Thema, dass sowohl für Unternehmen, Regierungen und andere Organisationen hohe Relevanz hat, aber auch jedes einzelne Individuum betrifft. Darüber hinaus sind Erhebung, Modellierung, Analyse und Interpretation von Daten zentral im Wissenschaftsbetrieb an Universitäten und anderen Forschungseinrichtungen. Absolventinnen und Absolventen des Studiums verfügen über vertieftes Wissen in Kernbereichen der angewandten Statistik und Informatik, welche sich mit der Erhebung, Speicherung, Verarbeitung, deskriptiver und inferentieller Analyse, Visualisierung, Interpretation und verantwortungsvoller Nutzung teilweise großer, heterogener und multivariater Daten beschäftigen.(Quelle: vgl. Universität Salzburg)

Weitere Infos: https://www.studienwahl.at

Art: Universitätsstudium – Masterstudium

Dauer: 4 Semester

Form: Vollzeit

NQR-Level: 7  ISCED-Level: 7  ECTS-Punkte: 120  

Voraussetzungen:

abgeschlossenes facheinschlägiges Bachelorstudium

Abschluss:

Master of Science (MSc, Dipl.-Ing., DI)

Berechtigungen:

Zugangsberechtigung zu facheinschlägigen PhD-Studien

Weitere Infos: https://www.studienwahl.at

Art: Universitätsstudium – Masterstudium

Dauer: 4 Semester

Form: Vollzeit

NQR-Level: 7  ISCED-Level: 7  ECTS-Punkte: 120  

Voraussetzungen:

abgeschlossenes, facheinschlägiges Bachelorstudium

Abschluss:

Master of Science (MSc)

Berechtigungen:

Zugangsberechtigung zu facheinschlägigen PhD-Studien

Weitere Infos: https://www.studienwahl.at

Art: Universitätsstudium – Masterstudium

Dauer: 4 Semester

Form: Vollzeit

NQR-Level: 7  ISCED-Level: 7  ECTS-Punkte: 120  

Voraussetzungen:

• abgeschlossenes facheinschlägiges Bachelorstudium

Abschluss:

• Master of Science (MSc) oder
• DiplomingenieurIn (Dipl.-Ing.; DI)

Berechtigungen:

Zugangsberechtigung zu facheinschlägigen PhD-Studien

Weitere Infos: https://www.studienwahl.at

Art: Universitätsstudium – Masterstudium

Dauer: 4 Semester

Form: Vollzeit

NQR-Level: 7  ISCED-Level: 7  ECTS-Punkte: 120  

Voraussetzungen:

• Bachelor degree (180 ECTS) or equivalent in the fields of technology, natural sciences, social sciences, medicine, humanities, arts or economics.
• minimum C1 level English as defined by the Common European Framework of Reference for Languages (CEFR). A certificate is recommended, but not required.

Abschluss: Master of Science (MSc)

Berechtigungen:

Zugangsberechtigung zu facheinschlägigen PhD-Studien

Info:

Sprache: English

The LEARN Lab modules in the first two semesters will give the students the opportunity to get to know the six different labs – Virtual Reality, Motion Capture, Maker Lab, Robotic, Interaction and Data Lab – that form the basis of the project-based, personalised learning approach. The Pre-specialisation module in the second semester will equip the studends with the basic skills of their chosen specialisation. The third semester consists of a Research Proficiency module where they will be trained in scientific writing and academic methodology. In the Specialisation module, the students will focus on real-world challenges and projects related to their specialisation. (Quelle. IT:U)

Spezialisierungen: (Quelle: IT:U)

• Designing Interactions: Students learn how to understand, conceptualise and design interactions between humans and computing systems within diverse social contexts. These socio-technical systems include emerging technologies such as AI, XR or robotics and give rise to questions about human experience, meaning-making, behaviour change and broader societal impacts. A wide range of qualitative and quantitative methods will be covered including computational methods to analyse and model human behaviour on individual and group levels. In a design studio, students will then learn how to translate contextual understanding and create and evaluate computational artefacts.
• Digital Earth, Society and Networks: Digital geospatial technologies and communication tools are radically changing our societies. Students will learn how to use and develop computing methods to address pressing societal and global challenges. This involves working with a diverse range of quantitative and qualitative data including environmental measurements, socio-demographic statistics, user-generated data, diverse network data and various sensor data. These are contextualized through spatial and temporal references to understand the real-world dynamics of societal processes.
• Digital Humanities, Health & Life Sciences: Students will learn how to bring computational methods to a wide range of areas such as health, psychology or neuroscience. The goal is to equip students with skills that allow them to understand human behaviour and capacities such as creativity or intelligence and work responsibly with medical data to bring value to people’s lives.
• Future Industries: Students will learn how to apply cutting edge computing to a wide range of future industry contexts. In collaborations with our company network, students will engage in real-world problem solving and gain practical and methodological competences within the realm of industrial production and innovation. Focus is put on competences relevant for sustainable computational manufacturing, such as robotics (ROS), IoT (sensors, actuators, edge devices), predictive maintenance, supply chain management, digital twins and business processes.

Weitere Infos: https://it-u.at/en/study-program/master-programs/

Art: Universitätsstudium – Masterstudium

Dauer: 4 Semester

Form: Vollzeit

NQR-Level: 7  ISCED-Level: 7  ECTS-Punkte: 120  

Voraussetzungen:

abgeschlossenes facheinschlägiges Bachelorstudium

Abschluss:

• Master der Statistik (M.Stat) oder
• Magister/Magistra der Sozial- und Wirtschaftswissenschaften (Mag. rer. soc. oec.)

Berechtigungen:

Zugangsberechtigung zu facheinschlägigen PhD-Studien

Info:

Berufsfelder: Bereich Wirtschaft: Statistik in Banken und Versicherungen, in der Industrie, in der Markt- und Meinungsforschung, in der Verwaltung; Technik: Statistik in der Qualitätssicherung; Bereich Naturwissenschaften: Statistik in den Naturwissenschaften, in der Medizin, im Gesundheitswesen, in der Psychologie, in den Umweltwissenschaften, in den Sozialwissenschaften, in den Wirtschaftswissenschaften.

Weitere Infos: https://www.studienwahl.at