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(Macine Larning)

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!

---