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

Andere Bezeichnung(en):
Machine Learning Engineer (m./w./d.)

Weiterbildung & Karriere

Deep Learning Engineers (m./w./d.) sind beruflich immer wieder vor neue Herausforderungen gestellt. Gerade im Bereich der Künstlichen Intelligenz gibt es ständig neue Entwicklungen und Ergebnisse, daher ist eine Voraussetzung für Erfolg in diesem Beruf, immer auf dem neuesten Stand der Entwicklung zu bleiben und das Fachwissen, die Methodenkompetenzen und sozialen Kompetenzen laufend zu ergänzen und zu vertiefen.

Fachhochschullehrgänge und Universitätslehrgänge an Technischen Universitäten bieten eine gute Gelegenheit sich in relevanten Bereichen weiterzubilden und höher zu qualifizieren. Außerdem bieten sich für Deep Learning Engineers (m./w./d.) Möglichkeiten zur beruflichen Weiterentwicklung und Höherqualifizierung in Form eines Zweitstudiums oder weiterführenden PhD-Studiums an.

Darüber hinaus ist für Deep Learning Engineers (m./w./d.) die laufende Lektüre von Fachzeitschriften, Forschungsberichten und Beiträgen in fachlichen Diskussionsforen, facheinschlägigen Zeitschriften und Webseiten, der Besuch von facheinschlägigen Seminaren, die Vernetzung bei Veranstaltungen und Kongressen und die Teilnahme an Expert*innen-Netzwerken eine wichtige Möglichkeit, um sich auf dem neuesten Stand zu halten.

Wichtige Weiterbildungsbereiche für Deep Learning Engineers (m./w./d.) sind beispielsweise:

Fachkompetenzen
  • Cognitive Computing
  • Deep Learning
  • Natural Language Processing
  • Virtual Reality, Augmented Reality
  • Datenanalyse, Big Data
  • Robotertechnik
  • Assistenztechnologien
  • KI-Softwareprogramme: Python, Hadoop, Java, Spark, SAS, C++, Theano
  • Datensicherheit, Datenschutz
  • Kognitionswissenschaften, Neurowissenschaften

Methodenkompetenzen

  • Nutzung von, Umgang mit Sozialen Medien
  • Präsentationstechniken
  • Informations- und Wissensmanagement
  • Zeitmanagement

Sozialkompetenzen:

  • Kommunikationsfähigkeit, Rhetorik
  • Konfliktmanagement
  • interkulturelle Kompetenz
  • Teamführung

Nach mehrjähriger beruflicher Erfahrung und Zusatzqualifikationen können Deep Learning Engineers (m./w./d.) zu Teamleiter*innen, Projektleiter*innen bis hin zu Forschungs- und Entwicklungsleiter*innen aufsteigen und führen als solche Mitarbeiter*innen und Teams.

Neben einem hierarchischen Aufstieg im Unternehmen ist in diesem Beruf auch eine Weiterentwicklung und Karriere durch inhaltliche und fachliche Spezialisierung und Entwicklung in eine Expert*innenrolle möglich. Dabei bietet die Spezialisierung auf bestimmte Fachbereiche (wie z. B. Robotik, Self Driving Cars, Assistenztechnologien) mögliche Weiterentwicklungen und Fachkarrieren.

Deep Learning Engineers können sich auch selbstständig machen, in dem sie z. B. ein Start-Up Unternehmen für KI-Systeme, KI-Produkte oder KI-Anwendungen gründen.

Weiterbildungsmöglichkeiten

Art: Universitätsstudium – Doktorats-/PhD-Studium

Dauer: 8 Semester

Form: Vollzeit

NQR-Level: 8  ISCED-Level: 8  ECTS-Punkte: 240  

Voraussetzungen:

abgeschlossenes facheinschlägiges Masterstudium

Abschluss:

PhD

Info:

Arbeitssprache: Englisch

The PhD program Computational X promotes interdisciplinary research facilitating the convergence of natural sciences like biology, social sciences and humanities with computational sciences. The program supports junior researchers in developing their abilities to perform independent scientific research. (Source: IT:U)

Study fields:

  • Complex Systems and Network Science
  • Explainable AI
  • Human-Computer Interaction
  • Machine Learning in Earth Sciences
  • Natural Language Processing
  • Geosocial AI
  • Game Theory and Evolutionary Dynamics
  • Intelligent User Interfaces
  • Computational Neuroscience
  • Human Rights and Technology

Weitere Infos: https://it-u.at/en/study-program/doctoral-school/phd-computational-x/

IT:U - Interdisciplinary Transformation University Austria
Altenberger Straße 66c
Science Park 4, OG 2
4040 Linz

Tel.: +43 (0)676 851 307 230
E-Mail: office@it-u.at
Internet: https://it-u.at/

Art: Universitätsstudium – Doktorats-/PhD-Studium

Dauer: 8 Semester

Form: Vollzeit

NQR-Level: 8  ISCED-Level: 8  ECTS-Punkte: 240  

Voraussetzungen:

abgeschlossenes facheinschlägiges Masterstudium

Abschluss:

PhD

Info:

In Kooperation zwischen IT:U und JKU School of Education.

Arbeitssprache: Englisch

In an increasingly data-driven world, artificial intelligence is changing when, what and how we learn. The applications will change the way we teach and learn by using technology to provide personalized learning guidance and generate learning content.
The PhD program Digital Transformation in Learning empowers PhD students to investigate how intelligent learning technologies enhance and expand active learning in higher education. (Source: IT:U)

Possible topics include

  • Individual learning psychology
  • Social dynamics in collaborative and project-based learning
  • Educational considerations in virtual learning scenarios
  • The effects of AI on the structure of curricula

Weitere Infos: https://it-u.at/en/study-program/doctoral-school/phd-digital-transformation-in-learning/

IT:U - Interdisciplinary Transformation University Austria
Altenberger Straße 66c
Science Park 4, OG 2
4040 Linz

Tel.: +43 (0)676 851 307 230
E-Mail: office@it-u.at
Internet: https://it-u.at/

JKU - Johannes Kepler Universität Linz
Altenberger Straße 69
4040 Linz

Tel.: +43 (0)732 / 24 68 -3314
Fax: +43 (0)732 / 24 68 -3300
E-Mail: studium@jku.at
Internet: https://www.jku.at/

Art: Universitätsstudium – Doktorats-/PhD-Studium

Dauer: 6 Semester

Form: Vollzeit

NQR-Level: 8  ISCED-Level: 8  ECTS-Punkte: 180  

Voraussetzungen:

  • abgeschlossenes facheinschlägiges Master- oder Diplomstudium

Abschluss:

Doctor of Philosophy (PhD)

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

Technische Universität Graz
Rechbauerstraße 12
8010 Graz

Tel.: +43 (0)316 / 873 -0
Fax: +43 (0)316 / 873 -6125
E-Mail: info@TUGraz.at
Internet: https://www.tugraz.at/

Universität Innsbruck
Innrain 52
6020 Innsbruck

Tel.: +43 (0)512 / 507 -0
Fax: +43 (0)512 / 507 -2804
E-Mail: studienberatung@uibk.ac.at
Internet: https://www.uibk.ac.at/