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。
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)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,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
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。
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
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
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
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
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
2023年7月22日起
周六日晚20:00
3周课程跨度 5个课时
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
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
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
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
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
● 针对 交互设计/人工智能感兴趣的 学员/设计师
● 申请海外留学的学员
● 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
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!