今年年初有一位设计领域的硕士朋友找我聊天,说自己现阶段特别迷茫,觉得自己属于毕业即失业的边缘。于是我找了shadow为她指导方向,目前她已经进了某大厂实习,现在做得也小有成就。
就在前两天,她又找到我并提到了MixLab无界社区和国家自然基金会最新提出的“交叉学科”的相似之处,并聊到MixLab可以作为这方面社群的先驱者,可以尽可能多的产出交叉学科的相关课程供他们学习,还有输出更多的前沿黑科技等内容......
聊了很多,聊完之后更让我认为MixLab的确可以继续深耕,在MixLab社群中挖掘和碰撞出更加有意思和有价值的东西。让社区成员进行跨学科的创造、产出,形成社区循环。
于是,抱着初步的想法,我怀着忐忑的心情找shadow沟通我的想法。
在社区内接触shadow比较久的朋友都知道,他本科学的园林,硕士研究参数化设计,之后才自学的代码和人工智能,所以我邀请了shadow制作了一门系统的课程分享给大家。
通过《智能设计》的课程学习,同学们可以得到以上问题的答案。本课程聚焦在人工智能与设计的交叉领域,涵盖了数据挖掘、机器学习、深度学习、知识图谱等技术,通过论文及代码的讲解,帮助同学们建立从技术视角看待设计的思维方式、锻炼软件架构能力。本门课程由设计人工智能专家shadow老师主持,课程技术助教将由我来担任。课程是录播视频,带有示例的代码,而且配套有答疑群,另外可以加入shadow的实验室(可单独请教shadow)。
《智能设计》课程的第一课以全局的视野,介绍了设计智能的技术架构、整体流程。
第2课开始,由4项专题构成:色彩分类、色彩知识图谱、设计的理解与处理、自动排版。以色彩分类为例,帮助同学们理解机器学习与深度学习的主要区别:特征工程与表示学习,然后介绍了色彩分类的各种解决方案,包括相似性计算、聚类、分类等方法。最后,介绍色彩的应用场景,引导同学们开拓思维,发现身边存在的有关色彩的商业机会。
通过本专题的学习帮助同学们深刻理解数据的价值、掌握数据挖掘的流程,具体包括数据采集、数据处理、数据标注技巧等,尝试自行完成探索性数据分析、数据可视化,构建色彩知识图谱。
类比自然语言处理,设计的理解与处理是指机器理解并解释人类设计的能力。通过本专题同学们可以掌握计算机视觉相关算法,让计算机理解设计的方法,以及实现用于平面设计的领域特定语言(DSL)。
指的是根据输入的素材(物料),自动完成素材的坐标定位、尺寸缩放、自动裁切相关的排版算法。本专题重点介绍了模板-决策树、遗传算法、生成式对抗网络、网格设计等用于自动排版的技术解决方案,以及介绍了工程化问题的处理,比如计算时间、准确率、结果可修改性 、结果可解释性等。
几乎所有的新技术都是某个已知技术的新版本……工程师在寻找解决方案的过程中,把适宜的构件选择出来,让它们组合在一起工作。组合的威力,在于它的指数级增长:一旦元素数目超过一定阈值,可能的组合数就会爆炸性增长。
作为示例,介绍了视频处理、视频内容理解相关技术,通过实践锻炼简化问题的能力,培养同学们设计复杂软件系统的架构及编程能力,最终能够在效果实现与技术难度之间做取舍,完成软件开发。
某学姐A:看了课程觉得质量还是很不错的,在学校内很难接触到相关的体系课程,只能自己不断的摸索,立马就报名参加了。某学长B:除了课程本身的学习,shadow老师还给我提供了职业发展的建议,真心觉得靠谱~某学姐C:参加了第一期的智能设计课程,助教贴心地帮我调试了代码,另外还可以深入了解shadow的实验室正在进行的研究,对我的论文选题不少启发。《AI+Architecture Towards a New Approach》《Machine learning for designers》
《Architecture as a Graph a Computational》
《2020建筑智能前沿》
《智能设计V3.0》
《设计与人工智能》等资料
添加助教
备注:智能设计
获取