国家出台各项政策，支持互联网发展，时代也正展开双手拥抱懂得并擅长运用技术的人。
今年年初一位设计领域硕士即将毕业的朋友跟我说，她现阶段特别迷茫，正处于毕业即失业的边缘。我推荐她找shadow咨询职业规划。
目前她已经进了某大厂实习，并结合自己的所长，重新规划了人生方向，现在做得还不错。
前段时间，她忽然发现国家自然基金会最新提出的 “交叉学科” 与 Mixlab 社区的有许多相似之处，我们也都觉得 MixLab可以尽可能多的产出交叉学科的相关课程以及前沿黑科技等内容......供大家学习。
工作之余，我也经常找社群群友聊天，看看大家近期工作学习的所需，再挖掘一下 MixLab 还能深耕的领域，希望 MixLab 社群能更有趣，也更有价值，也希望大家能在社群里自由进行跨学科的创造、产出，最终形成社区循环。
在社群里比较久的朋友都知道Mixlab 社区的创建者 shadow，他本科学园林，硕士研究参数化设计，之后又自学的代码和人工智能，也许他走过的路，也是社群里部分同学们正在经历和面对的。
也许你也在思考：
会做设计的人工智能是什么样的？
包括哪些技术？
有哪些值得研究探索的方向？
那今天，我给大家推荐 shadow 制作的《智能设计》课程（我是课程技术助教）。
这门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，将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。
课程由三部分构成：
Level 01 - 概览
Level 02 - 专题
Level 03 - 实践
课程是录播视频，带有示例的代码，配套有答疑群，另外还可加入 shadow 的实验室（shadow 一对一进行指导教学）。
Level01- 概览
《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。
Level 02 - 专题
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。
色彩分类
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。
色彩知识图谱
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。
设计的理解与处理
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）。
自动排版
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。
Level 03 - 实践
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。
——《技术的本质: 技术是什么，它是如何进化的》
动态海报
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。
以下是来自学长、学姐们分享：
学姐 梅：
看了课程，觉得质量还是很不错的，主要是很难在学校内接触到相关的体系课程，只能靠自己不断摸索，看到就立马报名参加了。
学长 田：
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，真心靠谱。
学姐 文：
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，还可以深入了解shadow的实验室正在进行的研究，也给我的论文选题不少启发。
也欢迎大家加入我们，来与各专业方向的前辈们交流！
双12优惠
第3期课程开放 新人优惠
仅限前 30 位
转发朋友圈后截图
加助教微信领取
《智能设计》大礼包
《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
扫一扫
564
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
