Переглянути вкладення 46647
генеративний дизайн, оптимізація і машинне навчання в Grasshopper — концепції на стику архітектури і технологій, які обіцяють великі зміни в професії архітектора.
На триденному марафоні розберемося, як використовувати можливості генеративного дизайну — однофакторну і багатофакторну оптимізацію. А ще навчимо нейронну мережу генерувати планування і поговоримо про те, як застосовувати алгоритми машинного навчання в проектуванні.
Працювати будемо на прикладах різного масштабу: міста, вулиці та будівлі.
Марафон призначений:
⟶ Для архітекторів і міських планувальників.
⟶ Для студентів і практикуючих фахівців.
⟶ Для тих, хто вже працює в Grasshopper.
⟶ Тільки для користувачів Windows.
⟶ Для тих, хто хоче вчитися з будь-якої точки світу.
Чому ви навчитеся
- Робота з генеративними компонентами
Розповімо про компоненти генеративного дизайну в Grasshopper і плагінах на нього. Пояснимо, як застосовувати різні алгоритми і які у них є обмеження.
- алгоритми оптимізації
Покажемо, як застосовувати алгоритми однофакторної, двофакторної і багатофакторної оптимізації для роботи в різних масштабах — в масштабі міста і ділянки.
- алгоритми машинного навчання
Розберемося з трьома принциповими алгоритмами машинного навчання-регресіями, кластеризацією і нейронними мережами.
- 1
Генеративні інструменти
Еволюційні алгоритми
Однофакторна оптимізація
Плагіни Galapagos, Shortest Walk, SilverEye
Двофакторна опімізація
Плагіни SilverEye, Elk, Octopus
Функціональний баланс міста
Зв'язки в місті
- 2
Багатофакторна оптимізація
Плагіни Oposum, Ladybug, Octopus, Kangaroo
Посадка на будівлі на рельєф
Розрахунок інсоляції
Пошук форми будівлі
- 3
Алгоритми машинного навчання
Регресії
Кластеризація та класифікація
Нейронні мережі
Плагін LunchBox
Панелізація фасадів
Генерація планувань
https://privatelink.de/?https://softculture.cc/courses/architects/generative-design-marathon