今年年初有一位设计领域的硕士朋友找我聊天，说自己现阶段特别迷茫，觉得自己属于毕业即失业的边缘。于是我找了shadow为她指导方向，目前她已经进了某大厂实习，现在做得也小有成就。
就在前两天，她又找到我并提到了MixLab无界社区和国家自然基金会最新提出的“交叉学科”的相似之处，并聊到MixLab可以作为这方面社群的先驱者，可以尽可能多的产出交叉学科的相关课程供他们学习，还有输出更多的前沿黑科技等内容......
聊了很多，聊完之后更让我认为MixLab的确可以继续深耕，在MixLab社群中挖掘和碰撞出更加有意思和有价值的东西。让社区成员进行跨学科的创造、产出，形成社区循环。
于是，抱着初步的想法，我怀着忐忑的心情找shadow沟通我的想法。
在社区内接触shadow比较久的朋友都知道，他本科学的园林，硕士研究参数化设计，之后才自学的代码和人工智能，所以我邀请了shadow制作了一门系统的课程分享给大家。
通过《智能设计》的课程学习，同学们可以得到以上问题的答案。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，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。本门课程由设计人工智能专家shadow老师主持，课程技术助教将由我来担任。课程是录播视频，带有示例的代码，而且配套有答疑群，另外可以加入shadow的实验室（可单独请教shadow）。
《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。
第2课开始，由4项专题构成：色彩分类、色彩知识图谱、设计的理解与处理、自动排版。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。
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。
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）。
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。
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。
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。
某学姐A：看了课程觉得质量还是很不错的，在学校内很难接触到相关的体系课程，只能自己不断的摸索，立马就报名参加了。某学长B：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，真心觉得靠谱~某学姐C：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，另外还可以深入了解shadow的实验室正在进行的研究，对我的论文选题不少启发。《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
