Upgrade to Pro — share decks privately, control downloads, hide ads and more …

Software-Engineering-Fortbildung für Studierende und Industrie

Stefan Wagner
February 23, 2023

Software-Engineering-Fortbildung für Studierende und Industrie

Die digitale Transformation aller Lebensbereiche und Industrien ist in vollem Gange und benötigt viele Fachkräfte. Die aktuellen Hochschulabsolvent*innen decken diesen Bedarf bei weitem nicht. Durch Umwälzungen in anderen Bereichen, wie beispielsweise der Elektrifizierung in der Mobilität, werden dagegen andere Kompetenzen nicht mehr gebraucht. Stattdessen sind Kompetenzen in Software und Künstlicher Intelligenz überall gefragt. Dafür werden maßgeschneiderte, flexible Programme zur Fortbildung im Software Engineering benötigt. Diese Keynote berichtet von zwei Beispielen, wie dies realisiert werden kann:

(1) Wir bieten eine modulare Grundausbildung Software Engineering für die Industrie an. Hier werden Mitarbeiter*innen von Unternehmen mit existierender Hochschulbildung auf den Einsatz in Softwareprojekten geschult. Dieses Programm umfasst Vorlesungen und Übungen an ein bis zwei Tagen über ein ganzes Jahr, Abschlussklausuren und zwei Projektphasen. Hier haben bereits knapp 70 Teilnehmende aus der Industrie in vier Jahrgängen das Programm durchlaufen.

(2) Studierende und Promovierende können Microdegrees an der Schnittstelle von Künstlicher Intelligenz, Software Engineering und Anwendungen erwerben. Den Rahmen dazu bietet die Artificial Intelligence Software Academy (AISA) gefördert durch das MWK Baden-Württemberg, das Forschung und Lehre an dieser Schnittstelle verbindet. Es können flexible Microdegrees erworben werden, die diese Kombination von Software Engineering und Künstlicher Intelligenz enthalten und sich insbesondere auch an Nichtinformatiker*innen richten. Damit werden diese Kompetenzen Basisfähigkeiten für alle Fachbereiche, erhöhen die Einsatzmöglichkeiten der Teilnehmenden der Fortbildung und reduzieren den Fachkräfte-Mangel. Dies unterstreicht die praktische Relevanz des Software Engineerings in der Praxis und zeigt den wichtigen Beitrag, den Universitäten hier leisten können.

https://www.aisa.uni-stuttgart.de

Stefan Wagner

February 23, 2023
Tweet

More Decks by Stefan Wagner

Other Decks in Education

Transcript

  1. Artificial Intelligence Software Academy
    Stefan Wagner


    2023-02-23
    Software-Engineering-
    Fortbildung für
    Studierende und
    Industrie

    View Slide

  2. You can
    copy, share and change,
    film and photograph,
    blog, live-blog and tweet
    this presentation given that you attribute


    it to its author and respect the rights and


    licences of its parts.
    based on slides by @SMEasterbrook und @ethanwhite

    View Slide

  3. 3

    View Slide


  4. Wir müssen zeitgleich die aktuelle
    Krise bewältigen und den Wandel
    der Arbeitswelt voranbringen. Dafür
    brauchen wir Weiterbildung und
    Qualifizierung. Deutschland muss
    zur Weiterbildungsrepublik werden.
    Hubertus Heil

    Bundesminister für Arbeit und Soziales

    View Slide

  5. Softwarequalifizierung
    für Bosch

    View Slide

  6. • Qualifizierung nach Bedarf und für die direkte Übernahme neuer Stellen


    • Seit 2020 mehr als 1000 Beschäftigte für neue Aufgaben oder neue Stellen
    qualifiziert


    • Weltweit


    • Drei Bereiche


    • Elektrifizierung für Ingenieure und Facharbeiter


    • Softwarequalifizierung


    • Big Data mit Data Science, -Analysis und -Engineering
    Mission to Move
    Quelle: https://www.bosch-presse.de/pressportal/de/de/transformation-braucht-vielfalt-241997.html

    View Slide

  7. Softwarequalifizierung

    mit der Universität Stuttgart
    Algorithmen und
    Datenstrukturen
    Programmierung und
    Programmierparadigmen
    Verteilte Systeme
    und Betriebssysteme
    Software
    Engineering
    Rechnerarchitektur
    Maschinelles Lernen
    und Künstliche
    Intelligenz
    Modellierung und
    Architektur
    Software-Qualität
    und Test
    Projektwochen I
    Projektwochen II

    View Slide

  8. Programmierung und Programmierparadigmen
    Grundlegende Einführung in das Programmieren anhand der
    Programmiersprachen C und C++


    Grundkonzepte prozeduraler Programmiersprachen
    (Anweisungen, Verzweigungen, Schleifen)


    Funktionen und Routinen, Dekomposition und Modularisierung


    Variablen, einfache und komplexe Datentypen (u.a. Felder,
    Strukturen, Klassen)


    Präprozessor, Fehlersuche, Debugging, Build-Werkzeuge


    Zeiger und Speicherverwaltung


    Ausblick auf objektorientierte Programmierung


    Algorithmen und Datenstrukturen
    Grundlegende Einführung in wichtige Algorithmen und
    Datenstrukturen und deren Bewertung Bäume, Graphen

    Sortieren, Suchen

    Algorithmen auf Graphen


    Hashing

    Komplexitätsbetrachtung und Bewertung von Algorithmen


    Rechnerarchitektur
    Darstellung von Information in digitalen Rechnern, insb. Zahlen, Zeichen

    Grundlagen der Hardware-Technologie, Eigenschaften von digitalen Schaltungen (Fläche, Geschwindigkeit,
    Leistungsverbrauch), arithmetische Schaltungen, arithmetisch-logische Einheit (ALU), Speicherelemente, Register,
    sequentielle Schaltungen

    Abstraktionsebenen eines Rechners, Assembler, Abbildung von Software-Konstrukten, Performanz, RISC-V als
    konkretes Beispiel, Überblick über andere Befehlssätze

    Aufbau eines Mikroprozessors: Datenpfad, Pipelining und Hazards, Interrupts

    Speicherhierarchie: Speichertechnologien, Caches, Virtualisierung

    Parallele Architekturen: SIMD (Single Instruction, Multiple Data), Vektorrechner, Multi-threading, Shared Memory
    Architekturen vs. Message Passing, GPU-Architekturen


    Programmierung ist Grundlage

    für das Verständnis
    Unterbaut Verständnis

    was man programmiert
    1. Halbjahr

    View Slide

  9. Software Engineering
    Grundbegriffe


    Analyse und Spezi
    fi
    kation


    Muster


    Architektur


    Feinentwurf


    Implementierung


    Build


    Integration


    Test


    Langlebige Software


    Continuous Deployment und DevOps


    Metriken


    Vorgehensmodelle


    Projekt- und Produktentwicklung


    Rollen


    Scrum


    Risiko


    Kon
    fi
    gurationsmanagement


    Aufwandsschätzung


    Team-Organisation


    Modellierung und Architektur
    Modellierung


    Objektbeziehungsbeschreibungen


    Aktivitätenbeschreibungen


    Zustandsmodellierung


    Software-Architektur


    Software-Architektur-Dokumentation


    Die Rolle des Software-Architekten


    Architekturwissen


    Architekturevaluation


    Architekturentscheidungs
    fi
    ndung


    Software-Qualität und -Test
    Software-Qualität


    (Automatisierte) Unit-Tests


    Qualitätssicherung


    Code-Überdeckung, Mutationstesten


    Reviews


    Statische Analyse


    Model Checking


    Testfallgenerierung und modellbasiertes Testen


    Funktionale Sicherheit


    Informationssicherheit
    Vertieft Qualität und Test
    Vertieft Architektur
    Modellierung ist Querschnittsmethode

    für Spezi
    fi
    kation, Architektur, Entwurf, …
    Modellierung ist Grundlage

    für modellbasierte Tests,
    Model Checking, …
    Direkte

    Entwicklungs-

    Aktivitäten
    Organis. und

    Management-

    Aufgaben
    2. Halbjahr

    View Slide

  10. Universität Stuttgart
    • 40 Wochen netto


    • 20 Wochen Programmierung und Programmiersysteme, Algorithmen und Datenstrukturen,
    Rechnerarchitektur


    • Dann 1 Projektwoche


    • 20 Wochen Software Engineering, Modellierung und Architektur, Software-Qualität und
    Test


    • Am Ende zwei Wochen Abschlussprojekt


    • Dazwischen können Zusatzmodule belegt werden
    20.01.2016 10
    Aufteilung über ein Jahr

    View Slide

  11. Universität Stuttgart
    • Nach den 20 Wochen wird für jede der drei Module eine Klausur geschrieben, die
    bestanden werden muss.


    • Außerdem „erfolgreiche“ Teilnahme an den beiden Projektphasen


    • Ausweis des Umfangs und äquivalente ECTS
    20.01.2016 11
    Lernfortschrittskontrolle durch Prüfungen

    View Slide


  12. 12
    Für mich war die Teilnahme
    am Programm rückblickend
    ein richtiger „Enabler“, ohne
    den ich in der
    Softwareentwicklung
    vermutlich nicht Fuß gefasst
    hätte.
    Michael Huis

    Teilnehmer der Softwarequalifikation

    View Slide

  13. 13

    View Slide

  14. AISA
    Microdegrees

    View Slide

  15. Was ist AISA?

    View Slide

  16. 16

    View Slide

  17. 17

    View Slide

  18. • die Ausbildung kompetenter Arbeitskräfte im Bereich AI-basierter Software und die
    Verknüpfung mit Anwendungen (AI+SE+X), insbesondere auch vor dem Hintergrund
    wachsender Nachfrage nach der Pandemie,


    • das Vorantreiben exzellenter industrieller und akademischer Forschung unter
    Nutzung innovativer AI- und SE-Methoden,


    • die Schaffung der Grundlage für innovativste Ausgründungen und für den
    Technologietransfer mit Schwerpunkt AI-basierter Anwendungen,


    • die Bündelung der Expertise in den Schlüsseldisziplinen AI+SE und in den
    Anwendungsdomänen X, insbesondere in den Ingenieurwissenschaften und


    • die Bereitstellung einer spezifischen und gut zugänglichen AI- und SE-Infrastruktur
    speziell für Ausbildung und Forschung.
    Ziele

    View Slide

  19. View Slide

  20. Konzept
    AISA Training AISA Research
    AISA

    Infrastructure

    View Slide

  21. Training
    Microcredentials!

    View Slide

  22. Für wen ist AISA?

    View Slide

  23. Training
    Studierende

    im Master
    Promovierende

    View Slide

  24. Warum sollte man teilnehmen?

    View Slide

  25. Training
    Zusätzliche Kompetenzen
    zu KI-Software werden
    überall gebraucht.
    Zusätzliche Qualifikation

    und Zertifikat über den
    normalen Abschluss
    hinaus
    Es zeigt, dass man

    mehr machen will.
    Es ist kostenlos.

    View Slide

  26. Welche Microdegrees gibt es?

    View Slide

  27. 6 ECTS Course
    AISA Study
    Project
    AISA Microcredential
    AISA Study
    Project
    AISA Study
    Project
    12 ECTS Courses
    AISA Certificate of

    Advanced Study
    24 ECTS Courses
    AISA Diploma of Advanced Study
    Interdisciplinary
    AI Project
    Critically
    Reflecting …
    Critically
    Reflecting …

    View Slide

  28. • Software Engineering for AI-based Systems (6 ECTS)


    • Introduction to AI (6 ECTS)


    • Machine Learning (6 ECTS)
    Pflichtkatalog

    View Slide

  29. • Interdisciplinary AI Software Project (6 ECTS) [ab Sommersemester 2023]


    • Qualitative Analyse von Software Designs (6 ECTS)


    • Advanced Software Testing and Analysis (6 ECTS)


    • Simulation Software Engineering (6 ECTS)


    • Optimierung, Machine Learning und Deep Learning für Architekten und Ingenieure (6 ECTS)


    • Data Processing for Engineers and Scientists (6 ECTS)


    • Mathematical Foundations of (Post-Quantum) Cryptography (6 ECTS)


    • Post-Quantum Secure Cryptography (6 ECTS)


    • Introduction to Modern Cryptography (6 ECTS)


    • Security and Privacy (6 ECTS)


    • System and Web Security (6 ECTS)


    • Data Engineering (6 ECTS)
    Wahlkatalog

    View Slide

  30. Wir bedanken uns für die Förderung durch das Ministerium für
    Wissenschaft, Forschung und Kunst Baden-Württemberg!
    https://aisa.uni-stuttgart.de/

    View Slide

  31. KI B3 - Berufliche
    Bildung

    View Slide

  32. 32
    KI B3 - Künstliche Intelligenz in die Berufliche Bildung bringen

    View Slide

  33. 33
    Entwicklung von Bildungsabschlüssen
    Entwicklung und Etablierung von drei neuen hoheitlichen Bildungsabschlüssen zu
    Künstlicher Intelligenz und Maschinellem Lernen.
    • Bachelor Professional:

    auf Meister-/Techniker-Niveau mit

    min. 1.200 Lernumfang à 60 Minuten

    • Geprüfte*r Berufsspezialist*in:

    min. 400 Lernumfang à 60 Minuten

    • Branchenübergreifende
    Zusatzqualifikation (ZQ) für
    Auszubildende:

    100 Lernumfang à 45 Minuten
    Bachelor Professional in


    KI und maschinelles Lernen
    Berufsspezialist für


    KI und maschinelles Lernen
    ZQ für KI und


    maschinelles Lernen
    2020 2024

    View Slide

  34. 34
    Beispielhafte Themen aus DQR 5/6
    Grundbegriffe von KI und maschinellem Lernen
    • Regression und Klassi
    fi
    kation
    • Daten als Repräsentation von Wissen
    • Training und maschinelles Lernen
    • Einsatz von KI-Modellen
    • Arten von maschinellem Lernen
    • Algorithmen
    • Typische Anwendungsbeispiele
    Chancen und Herausforderungen der KI
    • Algorithmischen Bias
    • Erklärbarkeit
    • Ressourcenknappheit
    • Robustheit von neuronalen Netzen
    Grundkenntnisse Programmierung und KI-Systementwicklung
    • Grundzüge der Programmierung mit Python
    • Datenanalyse und Modelltraining mit Python
    • Grundlagen der Entwicklung von KI-Systemen

    View Slide

  35. Herausforderungen
    und Chancen

    View Slide

  36. • Wie geht das „nebenher“?


    • Welche organisatorischen und Vergütungsstrukturen sind geeignet?


    • Wie mache ich das bekannt? Professionelles Marketing?


    • Was sind eigentlich Microdegrees und welche sollte eine Uni für was vergeben?


    • Angebote für Quereinsteiger, aber trotzdem „Uni-Niveau“
    Herausforderungen

    View Slide

  37. • Förderung der leistungsstarken Studierenden


    • Verknüpfung und Weiterführung von Themen, die nicht einfach in Studienpläne
    passen


    • Tragen von Themen der Informatik und des Software Engineerings in die Breite


    • Neue Bedeutung von Universitäten für die Industrie


    • Neue Finanzquellen für Universitäten


    • Menschen durch berufliche Bildung mit der Universität in Berührung bringen


    • Durchlässigkeit und Anrechenbarkeit erhöhen
    Chancen

    View Slide

  38. Prof. Dr. Stefan Wagner
    e-mail [email protected]


    phone +49 (0) 711 685-88455


    WWW www.iste.uni-stuttgart.de


    www.stefan-wagner.software


    Mastodon @[email protected]


    ORCID 0000-0002-5256-8429


    arXiv http://arxiv.org/a/wagner_s_1
    Institute of Software Engineering

    View Slide