본문 바로가기

Workshop Index

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

 


Workshop

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


AI(Artificial Intelligence)  & ML(Macine Larning)

#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!