 -Yeeeees,我们是你的设计生涯加油站！- 2023年「Yes Skill Course」软件技能选修课 又开始被翻牌！ 「Yes Course」坚持为内部学员 提供最优质的技能课课程资源！ 在Yes ，有最有经验的导师、最资深的设计师、最前沿的新媒体艺术家，为大家技能提升助力；能够让 Yes 学员都具有能把课程所学转化为毕设作品、留学作品集项目、落地商业交互项目的能力；每次课程都能增强学生学习的信心和动力，学习提升途中打怪升级！ YES一直走在、产品、交互技术前沿 本次重磅推出全球最新交互类课程 AI人工智能、ML机器学习、RL强化学习课程！ 带你一次搞定ml5.js！ 人工智能、机器学习（Machine Learning，简称ML）和强化学习是三个相关但不完全重叠的概念，它们在计算机科学和人工智能领域有着不同的含义和应用。 那么小Yeah首先简单介绍一下人工智能（Artificial Intelligence），机器学习（Machine Learning）和强化学习（Reinforcement learning）三者的联系与区别。  人工智能（AI）是一个更广泛的概念，指的是使计算机系统具备人类智能的能力。机器学习（ML）是人工智能（AI）的一个分支，主要是针对能通过经验自动改进的电脑演算法的研究，而强化学习（RL）是机器学习（ML）的分支，关注如何使智能体（agent）在与环境的交互中通过试错学习来达到特定的目标。  “ 人工智能 Artificial Intelligence 在计算机科学中，人工智能（Artificial Intelligence）有时被称为机器智能，是由机器展示的智能，与人类和动物展示的自然智能形成对比。通俗地说，“人工智能”一词用来描述模仿人类与其他人类思维相关联的“认知”功能的机器，如“学习”和“解决问题”。  “ 机器学习 Machine Learning 机器学习（Machine Learning）是计算机系统为了有效地执行特定任务，不使用明确的指令，而依赖模式和推理使用的算法和统计模型的科学研究。它被视为人工智能的一个子集。 机器学习已广泛应用于数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人等领域。  “ 强化学习 Reinforcement Learning 强化学习（Reinforcement learning，RL）讨论的问题是一个智能体(agent) 怎么在一个复杂不确定的环境(environment) 里面去极大化它能获得的奖励。通过感知所处环境的状态(state) 对动作(action) 的反应(reward)，来指导更好的动作，从而获得最大的收益(return)，这被称为在交互中学习。 强化学习问题可以通过游戏得到最好的解释。以PacMan游戏为例，其中代理（PacMan）的目标是吃掉网格中的食物，同时避开途中的幽灵。在这种情况下，网格世界是代理行为的交互环境。特工因吃食物而获得奖励，如果被幽灵杀死（输掉游戏），则会受到惩罚。状态是智能体在网格世界中的位置，总累积奖励是智能体赢得游戏。  本次课程 将通过ml5.js平台进行教学 需要学生掌握一定的编程基础 并且该课程为 AIGC工作坊 配套延伸课程  点击上图链接 即可跳转了解AIGC工作坊 “ ml5.js ml5.js旨在让机器学习对艺术家、创意程序员和学生等广大受众变得触手可及。该库提供了常用的机器学习算法和预训练模型，构建在TensorFlow.js基础之上，可单独使用没有外部依赖性，也可搭配p5.js使用。   “ 目前ml5.js可实现如下功能 01 图像 imageClassifier 用于识别图像内容，可用于图像与文字的匹配 poseNet 用于识别人体姿势的关键点，可用于动作识别 bodyPix、UNET 用于人体与背景分割，可用于自动抠图 styleTransfer 风格迁移，可用于图片艺术滤镜 pix2pix、CVAE、DCGAN 图像生成，可用于手绘图生成实景图、根据文本生成图像 SketchRNN 图像生成的另一种方式，可用于基于初始笔画生成图案 YOLO 物体检测，可用于追踪物体  02 声音 soundClassifier 音频分类，可用于语音控制 pitchDetection 音调检测，可用于说话人识别  03 文本 CharRNN 文本生成，可用于输入法联想 Sentiment 情绪预测，可用于文本的情感判断 Word2vec 词转向量，可用于把文本转化为向量，在向量空间中进行计算 04 辅助功能 featureExtractor 图像特征提取，可用于以图搜图、迁移学习 KNNClassifier K-Nearest Neighbors算法创建分类器，可用于图像分类 “ 课程导师 Course Instructor James 纽约大学交互媒体艺术与心理学双学位 辅修计算机科学 美国人机交互博士在读 获得NYU Creative Research基金资助 曾获得James Dyson Award中国区冠军 曾于MIT Media Lab担任研究助理 “ 课程安排 Course Schedule 2023年7月22日起 周六日晚20：00 3周课程跨度 5个课时 课时 1 了解人工智能和机器学习 - 人工智能简介，简短的历史，了解人工智能、机器学习和深度学习的区别 - 机器学习与神经网络简介 - 生成式 AI 在设计中的应用 - ml5.js 介绍与上手 课时 2 了解 ml5.js - 探讨实验一些 ml5.js 的功能，如图像分类、对象检测、姿态估计、模型训练等 课时 3 了解大语言模型 - 自然语言处理简介 - 解释 LLMs 及其应用场景 - 介绍 OpenAI GPT - 使用 OpenAI API 构建对话和交互界面 - 对最终项目进行讨论和问题解决 课时 4 了解强化学习 - 强化学习简介 - 实现一个基础的强化学习模型并训练一个游戏 AI - 对项目进行问题解决和最终确定 课时 5 项目展示和总结 - 学生展示最终项目 - 对项目进行反馈和讨论 “ 适合人群 ● 针对 交互设计/人工智能感兴趣的 学员/设计师 ● 国内考研、保研（以及夏令营）的学员 ● 海内外求职的学员/设计师 ● 想要提升自己落地项目能力的学员/设计师 “ 如何报名 How to register 本项目仅针对YES内部学员开设 限时对外开放 先到先得 感兴趣的同学可以 扫码加小Yeah微信 备注【ml5.js课程】哦！ END |
|
|
