機器學習輔助設計

本課程介紹機器學習運用於建築、空間設計與規劃之基礎與應用,內容包括概念、圖像、配置、數據科學、視覺化到幾何運算。課程設計以建築、空間設計為核心,數據與機器學習輔助創作為方法。目標在培育學生了解機器學習原理、機器學習與設計產業相關議題、運用於建築與空間相關研究和創作之方法與流程,並具備應用與議題研擬的能力。 課程分為6個單元,其中第2單元為生成式設計進階議題與 ML/AI 應用,第3單元為 ML/AI 演算法與模型,第4單元為專題演講,第5單元為工作坊,第6單元為期末專題。 Unit 1: Introduction to ML-Aided Design 1.1 Introduction to ML & AI 1.2 Overview of ML-aided design 1.3 ML tools and techniques Unit 2: Advanced Generative Design 2.1 In-depth exploration of generative design tools 2.2 Relationship between design intent and generative outcomes 2.3 Applications of ML/AI tools 2.4 Case studies and practices Unit 3: Diving into ML/AI 3.1 Neural Network 3.2 Convolutional Neural Network 3.3 Natural Language Processing 3.4 Generative Adversarial Network 3.5 Deep Reinforcement Learning 3.6 Case studies and practices Unit 4: ML/AI in Building Construction and Simulation 4.1 AI in BIM, construction process, and construction management (Invited Lecture) 4.2 AI/ML in energy analysis and performance simulation (Invited Lecture) Unit 5: ML/AI in Urban Planning and Design (Workshop) 5.1 Data science in urban planning, environment, and governing 5.2 Challenge and benefit of AI/ML in urban planning and design 5.3 Case studies and practices Unit 6: Final Project 6.1 Independent design project that integrates ML/AI tools and techniques into the design process 6.2 Presentation and analysis of project outcome 6.3 Discussion of future direction for ML/AI-aided design in architecture and related fields. 注意事項: 1. 本課程每週除上課 2 小時外,有課後文獻閱讀與作業練習,需額外花費至少4小時。 2. 上課需自備電腦,Windows 或 Mac 皆可。但 Mac 需能執行 Windows虛擬環境。 3. 本課程專家演講與工作坊時程安排中,演講可能在週三晚上、工作坊可能在週末,修課學生需能配合參與。以下每週進度僅為暫定,開學後將更新時程。

修課對象: 1. 本所設計研究組(數位設計)學生。 2. 本所設計研究組(建築設計)或學士後高年級學生,對運用機器學習於設計感興趣。 3. 非本所研究生,對機器學習運用於空間設計與創意應用感興趣者。 4. 大學部有意選修者,請先徵詢老師同意。 先備知識與能力: 1. 有基本程式設計經驗(不分語言)。 2. 有設計或創作背景。 3. 最好有參數化創作或創意程式經驗。

課程參與40%,作業練習30%,期末專題30%

開學後公佈。

地點

HA103C

時間

By appointment.

聯絡方式

jhou@arch.nycu.edu.tw 校內分機 #58457