AI and Data for design / 디자이너를 위한 인공지능

AI and Data for design  / 데이터 그리고 디자인 / 디자이너를 위한 인공지능 

 

 

---

Introduction to data and for Urban, Architecture

Introduction to Data for designers

J-Term 2017, Harvard GSD : 

Title: Introduction to Data Science for Building Simulation

 

1 Python Basic 

2 Data process & Visualization 

3 Train modes & Predict missing values

---

Data Process

Numpy, Pandas, CV

 

---

Data Design AI for Urban Data and Visualization, Harvard GSD - link

Introduction to Computational Design

GitHub - NamjuLee/Data-Design-AI-for-Urban-Data-and-Viz-Harvard-GSD-public: Vector, Raster, Urban Data, GIS, Data Processing, Da

 

 

Temperature Conversion

 

Multiplication Table

1. regression model

2. cnn model

 

Smart Drawing 

1. Data process 

2. Model A

3. Model B

 

Smart Commander

 

Semantic Segmentation

 

Third Place Prediction

 

Map Classifier

 

Super Resolution

 

Smart Map Tracer

 

Texture Prediction

 

Color Prediction

 

3D Volumetric Representation and Machine Learning in Design

---

Python Basic

 

Typescript Basic, Tensorflow JS, Pytorch

 

---

Project

Project, Smart Map Tracer, ESRI Storymaps Hackathon -  video

 

Project, Smart Drawing - Writing / Video / Demo

Project, Remixing & Resampling Three Dimensional Objects,

               Use of Volumentric Representation and Machine Learning in Design  - link / video

 

Project, Politics of Space and Its Shadows - link / video

 

Project, Built Environment Assessment - link / video

             Analytical hosing prediction model with spatial observation in City of Boston

 

    link 4-Smart Drawing

    link Linear-regression , Polynomial Regression ,  Regression Model , XOR

 

Codepen - Tensorflow playground stater, Typescript

---

[#컴퓨테이셔널디자인 47] 건축학회 기고글 제3의공간 분석과 적용,  디자인 & 데이터 & 인공지능,  글 그리고 코드 리뷰

1부: 글 리뷰 https://youtu.be/hzwkfnVSH4o

2부: 코드 리뷰 https://youtu.be/WSVEg2DMsYk

 

00:00 - 오늘의 비디오: 건축학회 기고글 - 제3 공간 분석과 적용(디자인, 데이터, 인공지능)

01:10 - 전체 버전: https://brunch.co.kr/@njnamju/148

02:07 - 머리말

03:14 - 프로젝트 개요

04:21 - 프로세스 요약

06:15 - 핵심 다이어그램 설명: 데이터에서 디자인 프로세스로

09:03 - 데이터를 다루는 하나의 방법론 인공지능/머신러닝

12:19 - 데이터를 다루는 전략에 맞춰서 취사선택

12:52 - 프로젝트 프로세스

13:04 - 데이터는 현상의 표상이다

15:03 - 데이터는 현상의 압축 통찰의 향연이다.

15:55 - 쓰레기를 넣으면 쓰레기가 나온다.

21:06 - 데이터 시각화와 프리 프로세스 함수

22:12 - 도시 네트워크 분석 방법론과 공간정보

24:08 - 정성적 정략적 데이터, 데이터구조, 그리 보간

26:11 - 절대 하지 말아야 할 것

26:49 - 모델 학습, 결과

28:20 - 모델 적용, 검증, 해석

31:28 - 발전 방향, 주의점, 가능성

32:37 - 디자인을 위한 인공지능 개발 주의점!

34:59 - 맺음말: 현상에서 통찰, 직관에서 수치, 암묵에서 명시, 경험에서 모델

36:26 - 디자인 재료(데이터), 도구(코드, 인공지능)의 활용

37:35 - 코드설명은 2부에서...

 

00:00 - 코드 설명 시작

00:45 - 1) 데이터 가져오기 Google Place API 워크숍

참조 링크 - https://namjulee.github.io/Data-Desig...

02:36 - 2) 데이터 프로세스와 시각화

04:56 - 3) 머신러닝 학습을 위한 데이터 프로세스

05:26 - 평가를 위한 거리함수 구현

08:41 - 4) 전통적인 머신러닝 적용 평가

09:46 - 5) 6) ANN 모델 적용

14:23 - 모델 검증 할 때 하나의 자세

15:23 - 7) 모델 구현 평가

16:15 - 모델 평가를 할 때 하나의 자세

19:31 - 8) 시각화

참조 링크 - https://namjulee.github.io/njs-lab-pu...

21:51 - 모델을 적용하는 하나의 자세

22:52 - 디자이너가 데이터(재료) 코드(도구)를 다뤄야 하는 이유

25:28 - 확대한 지역의 결과 시각화

26:32 - 모델 결과를 바라보는 하나의 자세

27:52 - 모델을 투명하게 만들고 신뢰도를 높이는 하나의 방법

29:10 - 마무리 참조링크 : https://github.com/NamjuLee/Data-Desi...

30:09 - 마치며

 

☑️글 전체 버전: https://brunch.co.kr/@njnamju/148

☑️English: https://nj-namju.medium.com/third-place-analysis-and-implementation-design-data-artificial-intelligence-bf802a8e7e0a

☑️Code: https://github.com/NamjuLee/Third-Place-Prediction-Report-V2022

---

AI(Artificial Intelligence)  & ML(Machine Learning)

 

QnA 138 Computational Thinking, Software 1.0 VS AI, Data-driven Thinking, Software 2.0

00:00 - 소프트웨어 1.0 VS 2.0 사유와 디자인 프로세스의 코드화 .........

01:14 - 소프트웨어

1.0 사고, 코딩을 하면 컴퓨테이셔널 사고가 자동으로 될수 밖에 없다

02:07 - 컴퓨테이셔널 디자인 사고 & Computational Design Thinking

참조자료 1: https://youtu.be/D9Gi7X6jaIk?list=PLweNVwGgDKEasb4RbUugM4ljH8oULTboc

참조자료 2: https://youtu.be/ioGSrgYpEm8 03:41 - 코딩은 문제해결 능력이다.

04:31 - 소프트웨어 1.0적인 사고 요약

.........

04:41 - 소프트웨어 2.0 사고, 데이터: 머신러닝, 딥러닝 등등

05:19 - 1.0 사고와 예는?

06:03 - 2.0 사고와 예는?

07:00 - 소프트웨어 2.0 사고를 활용한 디자인 프로세스의 코드화

08:41 - 참조 링크 - https://youtu.be/hzwkfnVSH4o

09:17 - 요약

 

 

QnA 136 디자이너가 AI (데이터)를 바라볼 때

00:05 - 데이터 & 디자인 

01:30 - ChatGPT를 활용하려는 회사들: 회사 자료 분석 

02:18 - 프라이버시: 데이터 유출의 문제점 

03:26 - 초기 시장의 알려지지 않은 위험성 (데이터 관련) 

04:35 - 대부분의 모델은 대동소이하다, 그러나 다른 점은? 

05:44 - 결과를 도출하기 위한 데이터(무작위 데이터 & 빅데이터) 

06:50 - 문제 특성에 따른 인공지능 모델의 이해(생성형 & 분석형 & 확률적 & 결정적)

................... 

08:52 - 예) 확률론으로 결정론을 추론하는 모델 

10:23 - 머신러닝의 예 

11:06 - 건물 철거의 예

................... 

12:05 - 제발 기술을 상상으로 이해하지 말자 

12:35 - 불나방이 되지 말고 현실적으로 학습 & 대응하자.

................... 

13:14 - 패러다임 전환 & 데이터가 각각의 산업의 미치는 영향 

15:03 - 데이터 구조 훈련 

15:52 - 데이터의 이해가 자연스러운 세대, 그 세대가 바라보는 BIM 

16:13 - 데이터 문맹 

16:51 - 핵심 기초가 없다면, 매번 시간을 버릴 수밖에 없다.

................... 

18:04 - 데이터 구조와 LOD 기술

................... 

19:12 - 데이터 기반사회에서 요구되는 능력들 

20:31 - 데이터구조를 만들어 본 경험이 없는 데이터 박사 

21:25 - 마무리: 노력과 습관

---

 

QnA 135 소프트웨어 1.0적 사고 VS 소프트웨어 2.0적 사고, AI & Data for Design

00:05 - AI와 디자인 산업(BIM)의 변화 : 원본링크 -• #신희찬 의 #BIM 이야기 시즌2, QnA 1/2 AI와 BIM ...  

07:12 - 질문 읽기

...................

00:55 - 1. 매스미디어를 통해 배운 AI

01:45 - 2. 귀납적 모델, LLM 생성모델의 이해

03:33 - 연역적 방식 & 해결

04:00 - 생성형 VS 분석형 AI 모델

04:51 - 3. 전통적 프로그래밍 능력과 컴퓨테이셔널 사고력

05:36 - 확률로 현상을 모델링해 보자

06:56 - 디자인 & 인공지능 링크 - https://computationaldesign.tistory.com/29

...................

07:37 - AI로 만들어진 디자인? 컴퓨테이션으로 만들어진 디자인?

08:33 - 현상 & 문제를 기술하는 방식의 차이와 예

09:21 - BIM의 예를 들면

...................

11:00 - 디자인과 인공지능, 그 간극 이해 방법

12:39 - 지식(Knowldege)과 기술(Technology)을 매스미디어와 유행으로 배우지 말자

13:26 - AI 포비아와 막연함을 극복하는 방법은?

14:26 - 고인물들과 경쟁할 수 있는 무기는?

---

QnA 133 이미지(Raster) 데이터와 인공지능, 데이터 기반사회에서의 기회와 문맹, Feat. 건축 랜더링

00:17 - 질문 읽기: AI와 건축 시각화 시장

04:34 - 결국 그렇게 될 것이다! 2000, 2010, 2020년도

06:32 - 디자이너가 활용하는 도구를 생각해 보면

07:46 - https://research.nvidia.com/labs/toro...

09:07 - 기존 프로세스와 도구를 증강시키는 AI

11:04 - 대결 구도 / 흑백논리로는 이 현상을 이해할 수 없다.

12:58 - 이미지 / Raster 데이터와 AI , Feat NVIDIA

15:09 - 왜 인공지능에 GPU가 중요할까? Serial & Parallel Computing

19:00 - Compute Shader

20:02 - Computer Vision, Raster 정보 처리

21:55 - SORA(https://openai.com/sora) 모델과 일반 랜더링에 품질/비용 대한 이야기

25:26 - 특이점을 넘었을 때의 현실은???

..................

26:34 - 지금 AI시대를 준비하는 방법은?

27:03 - AI를 활용한 건축 랜더링 예 - https://www.evolvelab.io/veras

28:20 - 2가지의 AI: 분석형 & 생성형

29:08 - 시장이 바뀌는 가장 빠른 방법 Top-down

30:16 - 디자이너 입장에서의 AI 도구

32:08 - 활용 시 유의점? https://computationaldesign.tistory.com/3

..................

33:19 - 앞으로 어떤 전략을 펼쳐야 하나??? [#NJ의서바이벌키트 01] 스펙, 앞으로의 시대는? 난 뭘 해야 하지?

35:19 - 21세기 문맹

45:51 - 이러한 변화가 기회가 되는 이유

36:59 - 언어 = 사고프로세스 = 지능

37:32 - 요약 마무리

---

QnA 131 ChatGPT와 학습코딩, 디자인소프트웨어와 코딩, 변화하지 않는 사회에서 코딩 접목

00:05 - Chat GPT와 인공지능 현상

01:46 - 코딩을 학습하는 진짜 이유??

02:41 - 결국, 컴퓨테이셔널 사고

03:54 - 사유하는 능력의 향상

04:30 - Chat GPT를 어떻게 활용할까?

05:34 - 수영을 글로 배우지 말라

06:19 - 엔제이채널러는 성장 지향

..........................

08:20 - Q 디자인 소프트웨어들을 잘 쓰면, 코딩에 유리한가?

08:49 - 결국, 도메인

09:19 - 디자이너 데이터와 가공 프로세스를 생각해 보면...

10:34 - 하나의 코딩과 소프트웨어 학습 방법은? 11:20 - 요약: 디자인 그리고 데이터

..........................

12:04 - Q 무엇을 코딩하나?

12:59 - 컴퓨테이셔널 디자인은, 프로세스의 코드화

..........................

13:44 - Q 코딩, 시대가 받아들이지 못할 때?

14:51 - 트렌드만 따라가는 인생을 살 것인가?

16:49 - 내가 다는 회사의 경우

17:49 - 내 위치를 생각해 보자

18:25 - 실무 바뀌는 것은 하루아침에 발생한다.

19:59 - 마무리, 내 주변사람이 나에게 했던 이야기

 

---

QnA 123 Chat GPT, 컴퓨테이셔널 디자인 그리고 학습 활용

00:05 - 오늘의 질문: Chat GPT

01:29 - Chat GPT의 대단함

03:05 - 클릭 유도를 위한 트렌드?

03:46 - Chat GPT의 핵심

04:47 - 구글링이 더 필요한 경우?

05:40 - 시험 문제 풀이 능력 / 특정 전공

06:47 - 인간의 인간 역할

07:12 - 인터페이스의 변화

08:07 - 여하튼 크로스 체크를 해라

09:41 - 트렌드 쫒는 불나방이 되지 말고 핵심을 쫒자

10:16 - 인공지능이 사회에 편만하게 퍼질 때

11:22 - 중국어 방

14:04 - 결국 도구들을 어떻게 활용할 것인가?

————

14:54 - 질문을 보면,

16:03 - Q: Chat GPT를 이용하면 빨리 코딩 스킬 늘린다?

16:21 - 정보를 기록하고 활용하는 단계들

19:01 - Chat GPT의 강점을 보면

20:53 - 원하는 사람이 많을수록 전문가가 이득을 본다.

21:24 - 목적에 따라 다를 수 있다.

22:24 - 코딩공부에 Chat GPT가 도움이 된다.

23:28 - Chat GPT가 개발자를 대체한다?

27:02 - 도구의 장단점을 파악하고 활용하자

28:12 - Q: 0부터 코딩을 하기 어렵다??

28:38 - 학습의 핵심 ‘시행착오’

30:51 - Chat GPT 코드의 10중 9는 작동하지 않는다?

31:54 - Stackoverflow의 장점

————

32:34 - Chat GPT의 강점/강점은 매우 강력하다!

33:09 - 광고에 현혹되지 말자

35:02 - Chat GPT 개발을 늦춰야 한다??

36:18 - 내가 생각하는, 우리가 경계해야 되는 AI는?

39:10 - 앞선 개념을 디자인에 적용해 본다면?

39:15 - 아트와 디자인의 차이?

40:09 - AI가 만든 디자인을 볼 때

————

40:54 - 이 콘텐츠를 만드는 이유

42:02 - 기술이 발전

42:42 - 이것이 나의 성장에 약인지 독인지 알려면,

————

43:29 - 마무리

---

QnA 122 디자이너를 위한 데이터사이언스 학습 / 적용 전략

00:05 - 질문자 백그라운드 소개

01:35 - 데이터와 코드, 이제는 선택이 아닌 필수다.

03:46 - 디자이너로서 코딩을, 데이터과학 수업을 들었을 때 피드백

05:36 - 데이터 사이언스 수업을 듣기 전에 해야 할 것

06:44 - 코딩(데이터와 컴퓨테이셔널 사고)을 먼저 공부하자

------------------------------

07:53 - Q 코드를 이해하고 내 것으로 공부하는 방법

08:06 - 1) 따라 쳐 보자(익숙해지기)

09:16 - 2) 모듈화를 시켜보자(컴퓨테이셔널 사고)

10:35 - 3) 내 방식대로 재구성(알고리즘 응용)

11:09 - 4) 학습의 꽃! 반복 반복 반복

[#컴퓨테이셔널디자인 07] 파이썬 (Python) 배워야 할까? 장단점을 알아보자! - https://youtu.be/EwhopA00f2M

12:16 - 5) 컴퓨테이셔널 사고로 디자인을 코드화할 수 있다.

12:42 - 6) 학기가 마무리된 후, 학습 전략

13:43 - 디자이너의 미래는? 디자이너이기 때문에 코드를 짠다.

13:50 - 결국 디자인 경험과 방법론의 문제로 귀결된다.

14:44 - 데이터의(컴퓨테이션) 활용 범위는? 디자인 전체에 해당된다!

------------------------------

15:34 - Q 디자이너로서 데이터과학 컴퓨테이션 디자인 포트폴리오를 어떻게 준비할까?

16:23 - 1) 실패가 당연하다, 계속 분량을 채워 문제해결에 익숙해 지자!

17:50 - 2) 수업시간 과제와 프로젝트를 잘 정리하자!

18:55 - 3) 기존의 지식과 경험을 강화시켜 나가자

20:52 - 4) 현실에 대한 인식

21:40 - 5) 데이터를 디자인에 적용하기 위해서는, 끊임없는 해석

23:38 - 6) 도메인 놀리지의 중요성

24:17 - 7) 학습 전략을 요약해 보면

25:22 - 8) 디자이너로서의 데이터과학 포트폴리오 전략 요약

------------------------------

26:36 - Q 데이터를 이용한 실제 디자인 적용의 한계, 문제점??

27:40 - 데이터의 해상도, 프라이버시, 품질은 항상 부족하다 그게 정상이다.

29:24 - 문제를 창의적으로 해결하는 능력 == 디자인 능력

30:43 - 문제를 정의하는 능력, 컴퓨테이셔널 사고 능력

32:12 - 데이터 적용 범위는 매우 넓다, 전통적 방법을 모두 포함

33:59 - 그 질문이 가난하다고 느끼는 이유

35:56 - 디자인은 끊임없는 선택의 연속이다.

37:19 - 컴퓨테이셔널 디자인을 다시 생각해 보면

38:15 - 기계적인 암기와 VS 핵심의 이해

------------------------------

39:14 - 질문자 피드백

40:06 - 융합은 '선언'으로 이루어지지 않는다.

40:57 - 아이덴티티란 무엇인가?

42:44 - 시드머니 보다 중요한 시드익스피어런스 재테크: 지식의 빈이빈 부익부 - https://brunch.co.kr/@njnamju/125

43:35 - 타이틀 보다 실력을 쌓자!! 그러면 기회가 생긴다!

------------------------------

45:13 - 결국 디자인 능력이다

46:40 - 결국 산업에 산재해 있는 문제를 바르게 이해하는 것이다

47:45 - 자극적인 유행과 기술을 상상력으로 이해했을 때의 문제점

49:38 - 마무리

---

 

 

 

---

 

SmallTalk 14 #김다예 - 디자이너를 위한 인공지능 학습 방법 - 비디오

00:00 - 사용자 경험의 데이터화
03:13 - 조심해야 하는 지점
05:12 - 과거의 건축가와 현재의 건축가의 비교
06:28 - 중간요약 하면
07:22 - 디자이너가 머신러닝을 공부하는 하나의 방법
09:08 - 시작은 '코딩' 학습부터
12:21 - 코딩 학습 형식은?
15:14 - 디자이너를 위한 머신러닝 학습 전략은?
참조링크
1부: 글 리뷰 https://youtu.be/hzwkfnVSH4o 2부: 코드 리뷰 https://youtu.be/WSVEg2DMsYk
16:32 - 문제 풀이를 위한 수학 말고 17:12 - 기존의 전통적인 기계학습 모델을 먼저 이해하자
19:21 - 문제의 기술과 모델의 선택 그리고 데이터 프로세싱
참조링크 Kaggle - https://www.kaggle.com/ Paper with code - https://paperswithcode.com/
22:29 - 납득 가능한 / 신뢰할 수 있는 활용과 해석
24:45 - 기술(인공지능)을 디자인에 적용하는 바운더리
25:34 - 디자인산업의 선배로서 우려하는 지점들
26:08 - 중간 요약: 디자이너가 머신러닝을 학습/활용하는 이상적인 예

 

#컴퓨테이셔널디자인  45 인공지능(AI, ML)을 상상, 소설, 매스컴, 영화, 비전문가를 통해 정리한 디자이너를 위한 개념 정리, 디자인 인공지능, 머신러닝, AI, ML - 비디오

00:00 - 인공지능(머신러닝) 기초 개념, 상상하지 말고, 기초 원리를 이해하자 00:17 - 일반적 프로그래밍 방식 - 함수

01:45 - 데이터 기반 프로그래밍 / 머신러닝 / 프로그래밍 2.0 02:05 - 데이터를 통한 역설계 (Reverse Engineering )

02:22 - 예) 집값 예측 03:34 - AI 모델의 목적 이해

.................

04:19 - AI, 데이터에서 모델로 05:39 - AI가 하면 무조건 맞을까? 07:09 - Data Visualiation을 하는 이유

07:23 - 문제와 데이터에 따른 모델의 이해 08:03 - CS 배경의 AI이해 그리고 디자인 배경의 AI이해의 큰 갭

08:58 - AI를 평가하고 이해하고 받아들일 때 09:47 - 데이터로 선 긋기

.................

09:59 - 차원이 높은 데이터를 볼 때 12:25 - 데이터 프로세싱: 공간과 프로젝션의

13:48 - 데이터 프로세싱의 중요성

.................

14:45 - 이제 답을 해보자! 과연 이 AI는 창의적일까? 15:35 - 디자이너들이 AI를 바라보는 시각/인식이 잘못됐다.

16:25 - 컴퓨테이셔널 디자이너가 취해야 하는 자세 16:48 - 디자이너가 AI를 활용할 때

17:25 - 정성적 & 정량적 연구를 생각해 보자 17:47 - 디자이너가 AI를 활용할 때 가장 중요한 지점은?

.................

19:02 - 컴퓨테이셔널 디자이너로서 AI를 대하는 자세 19:35 - 컴퓨테이셔널 20:11 - 디자인의 모호함이 AI를 만났을 때

21:07 - 언더피팅(Underfitting)이 AI의 창의성??? 21:46 - 결국, 상상 만하고, 공부를 하자!

21:50 - 문제에 맞는 도구를 쓰자 22:22 - 이해하면, 질문이 바뀐다. 23:05 - 일반적인 예를 들면,

.................

24:24 - Q: 데이터의 편견이 있다면? 24:43 - A: 편견/패턴/다름이 없다면 학습시킬 수 없다!

27:00 - 데이터를 위한 컴퓨테이셔널 디자인 사고 / 전 27:25 - AI의 가장 중요한 핵심중 하나: 데이터, 도메인(전공)

28:44 - 내가 생각하는 AI 핵심 29:31 - 디자인 크리틱의 예를 들면 30:09 - 대부분의 디자인 학교에서의 AI 반응

30:36 - 내용이 아닌 형식에 취우 친 교육의 문제

31:28 - 참조 비디오:

QnA 69 - 학부생의 질문, 공부방법, 기초의 중요성, 스튜디오베이스 수업의 주의점, 트렌드의 주의점 https://youtu.be/_13DvoZH52w

QnA 61 - 컴퓨테이셔널디자인교육, 코딩 교육, 누가 가르쳐야 하나? feat. 데이터 스트럭쳐를 만들 수 있는 자에 한함. https://youtu.be/pS0N_EKjdG4

31:28 - AI 단어가 주는 편견이 너무 심하다... 32:17 - 예를 들면

.................

33:00 - Q: 내비게이션은 왜 이 길을 추천해 줄까? 33:57 - A: 결정론적 계산 그리고 데이터의 고려 순서에 따라

34:45 - 연구의 예를 들면 35:31 - 주어진 문에 따른 전략이 중요, 즉 그 프로세스 36:20 - 말을 이해할 때, 배경지식의 이해의 중요성

.................

36:55 - Q: 인공지능을 적용하는 문제에 대해 37:30 - A: 정의하기 따라 다르다.

38:16 - 문제를 디자인하는 능력 39:39 - 학습에 사용하는 데이터의 특징 40:30 - 현실 데이터는?

.................

41:35 - 인공지능, 데이터 드리픈 프로그래밍! 41:59 - 장단점을 파악하여, AI 도구를 적절하게 활용 하자 '

42:22 - 인공지능(AI) 사용에서, 디자이너의 핵심 역할은? 42:46 - 마무리

 

QnA 108 디자이너가 인공지능(AI, ML)를 생각할 때, 일반적인 이해와 질문과 생각들... - 비디오

00:00 - AI는 마법상자?! 인공지능이라고 하면 끝? 00:53 - AI는 프로그래밍을 하는 하나의 기술이다!

01:12 - 예를 들면 02:04 - 인공지능을 학습할 때, 데이터의 중요성

03:39 - 모를 경우 기존의 편견으로 정의한다. 04:45 - 문제에 따른 적용 / linear 혹은 non-linear 한 문제들

.................

06:07 - 프로그래밍을 생각해 보면 07:22 - 인간의 문제해결능력/창의력을 생각해 보면

08:33 - 현실 문제의 기술: 정성화 & 정량화 09:13 - 메타인지에 대해

10:24 - 현실 문제에 따른 정성화 / 정량화 11:04 - 기계와 인간을 나누는것이 아니라 / 미의 대한 정의에 집중

12:03 - 기술 발전과 디자이너의 역할에 대한 요약

.................

12:50 - 디자이너가 가지고 있는 인공지능의 편견 13:11 - 건축학교과 과정과 소프트웨어 하드웨어 기술에 대한 생각

.................

15:12 - AI 이전에, 문제를 정확하게 이해하고 디자인하는 능력 16:32 - 정성적 연구의 핵심은?!

16:29 - 정성적 연구에서 AI 적용의 어려운 점 / 핵심은?! 17:51 - 원칙은 에러인데, 결과값을 반환해 준다...

19:46 - 엔지니어와 디자이너가 문제를 바라보는 방식과 전략의차이  20:21 - 정성적 연구를 장악하는 전체적인 논리 흐름의 발전

 

QnA 103 KICDT’s small talk 매스스터디 방법 & 컴퓨테이셔널 사고

원본: https://youtu.be/gBiM0vFq30w

00:00 - 컴퓨테이셔널 구현과 디자인(매싱) 발달은 구분되어야 한다.

.......................

01:54 - 디자인을 볼때와 컴퓨테이셔널 방법론을 볼때 다르다.

03:01 - 컴퓨테이셔널 방법론을 이분법적으로 보지 말자

07:13 - 인공지능 예를 들면: 가장 명시적여야 할 것이 암묵적여지는 영역

.......................

08:25 - 질문: 최적의 옵션을 뽑을 때

09:19 - 답변: 최적화의 예를 들면

11:14 - 인간 지능

11:49 - 요약 하면: 설명할 수 있다면, 코드화 시킬 수 있다.

12:33 - 알고리즘은 주어진것만 계산한

.......................

14:28 - 컴퓨테이셔널 디자인은, 기술의 문제가 아니라, 전략과 사고의 문제다!

.......................

16:57 - 흔한 건축 컴퓨팅(컴퓨테이셔널 디자인)의 이해

17:32 - 자동화는 부분중의 부분이다.

18:35 - 컴퓨테이셔널 디자인 어렵다면, 이렇게 생각을 시작하자

20:40 - 말로 설명해 보자 즉 컴퓨테이셔널 사고를 기술해 보자

21:14 - 컴퓨테이셔널 디자인의 내용은?

.......................

24:09 - 컴퓨테이셔널 전공들 핵심 내용은?

26:31 - 사용하는 언어와 사고의 확장

.......................

27:50 - 컴퓨테이셔널 디자인: 한 줄 요약!

 

QnA 76. 디자인의 미 Aesthetic, 코딩으로 구현이 가능한가? Feat 메타인지 & 머신러닝 - link

00:16 - 오늘의 질문

02:09 - 데이터에 대해서 생각을 해보면

05:02 - AI를 프로그래밍기법으로 이해 하자

07:07 - 첫번째, Metacognition , 메타인지 그리고 관측

08:59 - 다른 예로는

09:45 - 머신러닝을 생각해 보면

10:46 - AI를 바라보는 시각 차이

13:17 - 두 번째, 가설을 세워 보자

17:19 - 세 번째, 데이터로의 인식

18:28 - 데이터 기반의 프로젝트와 연구할때, 코딩이 주는 관점

19:42 - 이러한 이슈에 대한 개인적인 생각 그리고 마무리

 

QnA 60 #초딩코딩교육, 그리고 인공지능에 #없어질미래직업과 나의 전략? - link

00:00​ - 오늘의 주제

…………. 첫 번째 답변

00:40​ - 초등학생 코딩 공부 방법

…………. 두 번째 답변

01:36​ - 인공지능으로 없어질 직업? 그리고 내가 해야 할 일?

04:12​ - 그럼 어떻게 준비 해야 하나?

06:59​ - 더 집중 해야 하는 지점!

08:36​ - 우리가 미래를 예측할때, feat 레이 커즈와일

…………. 세 번째 답변

12:03​ - 코딩을 공부하는 진짜 이유?

15:53​ - 마무리 요약

 

QnA 59, 가장 일반적인 오해, 컴퓨테이셔널 디자인 (인공지능) 오해들

00:00​ - 오늘의 주제: 컴퓨테이셔널 디자인 오해들

00:11​ - 주제의 배경: 시아 교정

00:56​ - 컴퓨테이셔널 디자인 어떻게 볼까?

00:56​ - 이 콘텐츠를 보는 시각 / 관점

…………………………………………………………………

오해 1 - 기존의 것을 대체하는 것이 아니다

01:37​ - 컴퓨테이셔널 디자인은 기존의 디자인의 무시/대체가 아니다!

02:41​ - 컴퓨테이셔널 디자인의 결과물은?

03:47​ - 높은 자유도를 보장하는 도구

04:36​ - 컴퓨테이셔널 디자인은 형태가 아니라 프로세스다

…………………………………………………………………

오해 2

05:28​ - 비정형 건축이 컴퓨테이셔널 디자인이다?

06:23​ - 결국 사고/생각하는 방법의 문제

…………………………………………………………………

오해 3 - 대결구도가 아니다

07:25​ - 대결 구도로의 이해?

07:47​ - 컴퓨테이셔널 팅킹을 하자 1) 문제를 쪼개자 2) 암묵적에서 명시적으로 3) 코딩으로 기술

08:48​ - 명시적으로!

09:39​ - 생각의 전화과 뇌구조의 변화

…………………………………………………………………

오해 4 - A부터 Z까지 마법상자가 아니다

11:28​ - 디자인 마법상자

13:56​ - 도구의 장단점 X 나의 익숙도 X 뇌 구주의 변화

…………………………………………………………………

오해 5 - 코딩은 특별한 것?

15:27​ - 이미 우리는 코딩과 비슷한 방식으로 디자인 툴을 활용

17:00​ - 코딩 공부 현실적인 방법 - https://youtu.be/PhCfI4hHUVw​

…………………………………………………………………

오해 6 - 지어진 건축물을 가져와봐? 결과로만 판단하는 시각

18:04​ - 오해에서 비롯된 잘못된 질문…

19:15​ - 질문의 의도 파악의 중요성

21:00​ - 특정 장점을 가진 도구

22:17​ - 건물 하나당, 여러 개의 알고리즘과 소프트웨어 개발

23:53​ - 건축 그리고 쇄국정책 - 다른 산업에 의해 발전되는 건축

25:09​ - 만약, 컴퓨테이셔널 사고가, 건축 사무실을 컨설팅한다면

25:10​ - 오해 그리고 머신러닝의 예

32:12​ - 도구의 이해의 중요성

…………………………………………………………………

오해 7 - 디자인은 특별한 것이니까?

33:48​ - 기억력과 독창력

34:50​ - 어떻게 독창성을 평가할까? 구축할까?

36:29​ - 파라메터라이즈, 데이터의 구축

37:52​ - 요약하면

…………………………………………………………………

38:29​ - 오해를 대하는 나의 자세

39:15​ - 현재를 바탕으로 미래를 예측할 때, 발생되는 문제...

42:03​ - 보수적인 건축산업 그리고 4차 산업혁명

42:52​ - 나의 자세

43:38​ - 요약 그리고 마무리

 

QnA 14, 디자인(건축), 빅데이터, 그리고 인공지능(머신러닝)에 대한 질문 - 비디오

00:16 - 질문 요약 01:55 - 빅데이터 인공지능의 오해

03:25 - 쉬운 인공지능 이해1 03:25 - 쉬운 인공지능 이해2

07:21 - 어떻게 인공지능을 활요할 수 있을까? 07:39 - 결국 데이터...

07:50 - 빅데이터? 09:30 - 데이터의 타입?

11:10 - 데이터 가지고 뭐 하는데? 12:13 - 건축 평면도의 데이터화?

17:12 - 개인적인 노파심에... 19:47 - 정리를 하면

21:45 - 한줄 요약!

 

QnA 13, 디자인(건축), 빅데이터, 그리고 인공지능(머신러닝)에 대한 질문

00:16 - 질문 요약

01:55 - 빅데이터 인공지능의 오해

03:25 - 쉬운 인공지능 이해1

03:25 - 쉬운 인공지능 이해2

07:21 - 어떻게 인공지능을 활요할 수 있을까?

07:39 - 결국 데이터...

07:50 - 빅데이터?

09:30 - 데이터의 타입?

11:10 - 데이터 가지고 뭐 하는데?

12:13 - 건축 평면도의 데이터화?

17:12 - 개인적인 노파심에...

19:47 - 정리를 하면

21:45 - 한줄 요약!

---