آموزش Grasshopper: طراحی کلی برای معماری

Grasshopper: Generative Design for Architecture

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: طراحی تولیدی (Generative Design) مجموعه ای از فن آوری ها است که به شما کمک می کند تا برای محاسبه قدرت و محاسبه الگوریتم ها در ایجاد طرح ها ، از یک برنامه رایانه ای برای فرآیند طراحی خود استفاده کنید. در این دوره ، یاد بگیرید که چگونه از پلاگین برنامه نویسی بصری Grasshopper با Rhino برای ایجاد طرحهایی استفاده کنید که در گذشته غیرممکن بود. مربی والتر زسک نحوه استفاده از حل کننده های فیزیک و حل کننده های تکاملی برای تعیین اهداف و محدودیت های طراحی های شما و همچنین نحوه استفاده از محاسبات برای رسیدن به آن اهداف و کار در محدودیت های شما را توضیح می دهد. بعلاوه ، وی نحوه استفاده از LunchBoxML را برای استفاده از مهارتهای یادگیری ماشینی در پروژه های شما و استفاده از قدرت کامل هوش مصنوعی برای ایجاد طرح ها ، بیان می کند.
موضوعات شامل:
  • طراحی مولد چیست؟
  • محدودیت های طراحی مولد
  • نقاط قوت و محدودیت های حلگرهای ژنتیکی / تکاملی
  • نحوه کار حل کنندگان فیزیک
  • آزمایش و تنظیم اهداف
  • کار با ابزارهای یادگیری ماشین
  • الزامات طراحی و نمودار نویسی
  • بهینه سازی با گالاپاگوس

سرفصل ها و درس ها

مقدمه Introduction

  • طراحان سایبورگ Cyborg designers

  • آنچه باید بدانید What you should know

  • نسخه ها و اعتبارات Versions and credits

1. طراحی تولیدی چیست؟ 1. What Is Generative Design?

  • تعریف طرح مولد Defining generative design

  • اهداف طراحی قابل اندازه گیری Measurable design goals

  • پارامترهای طراحی Design parameters

  • فضای راه حل Solution space

  • محدودیت های طراحی مولد Limitations of generative design

2. مثال حل کننده ژنتیکی / تکاملی 2. Genetic/Evolutional Solver Example

  • نیروی بیرحمانه: چگونه تکامل کار می کند Brute force: How evolution works

  • حلال های تکاملی مشترک Common evolutionary solvers

  • راه اندازی Galapagos Setting up Galapagos

  • در حال اجرا گالاپاگوس Running Galapagos

  • نقاط قوت و محدودیت های حل کننده های ژنتیکی / تکاملی Strengths and limitations of genetic/evolutional solvers

3. مثال حل فیزیک 3. Physics Solver Example

  • چشمه ها: چگونه حل کننده های فیزیک کار می کنند Springs: How physics solvers work

  • نصب کانگورو ، ویوربرید و مشدیت Installing Kangaroo, Weaverbird, and Meshedit

  • اهداف کانگورو Kangaroo goals

  • تست و تنظیم اهداف Testing and adjusting goals

  • نقاط قوت و محدودیت های حل کننده های فیزیک Strengths and limitations of physics solvers

4. مثال حل مسئله یادگیری ماشین 4. Machine Learning Solver Example

  • آشنایی با یادگیری ماشین Introduction to machine learning

  • ابزارهای یادگیری ماشین Machine learning tools

  • رگرسیون و آمار پیش بینی شده Regression and predictive statistics

  • خوشه بندی Clustering

  • طبقه بندی Classification

  • نقاط قوت و محدودیت های حل کننده های یادگیری ماشین Strengths and limitations of machine learning solvers

5- بکارگیری طرح تولیدی 5. Applying Generative Design

  • الزامات طراحی و نمودار Design requirements and diagramming

  • نقاط سطح سینوس Sine surface points

  • سطح سقف Roof surface

  • نماهای جانبی و ارزش تناسب اندام Sides views and fitness value

  • بهینه سازی با Galapagos Optimizing with Galapagos

  • مناطق ساختاری ML ML structural regions

  • خوشه های پانل سقفی Roof panel clusters

  • فیزیک و طبقه بندی پانل سقف Roof panel physics and classification

  • ساختار بهینه سازی Structure for optimization

  • اهداف و حلال کانگورو Goals and Kangaroo solver

  • تجسم Visualization

  • تنظیم و پالایش Adjustment and refinement

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

نظری ارسال نشده است.

آموزش Grasshopper: طراحی کلی برای معماری
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
3h 15m
37
Linkedin (لینکدین) lynda-small
02 فروردین 1398 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
12,097
- از 5
ندارد
دارد
دارد
Walter Zesk

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Walter Zesk Walter Zesk

طراح ، پروفسور و موسس آزمایشگاه Conform

والتر زسک استاد کالج طراحی مهندسی JWU و بنیانگذار آزمایشگاه Conform است.

تحقیقات و کارهای حرفه ای او مرز بین طراحی و مهندسی را در بر می گیرد و عمدتا بر استفاده از فناوری های نوظهور برای توسعه سیستم های پارامتری محصولات متمرکز است.

به عنوان دانشجوی کارشناسی ارشد ، او در اختراع یک سیستم پارامتری کیریگامی همکاری کرد که در خط تولید Seeyond ، که اکنون متعلق به 3form است ، توسعه یافت. والتر به عنوان بنیانگذار آزمایشگاه سازگار ، مشاوره ای در زمینه اتوماسیون طراحی و فناوری های تولید مستقیم ارائه می دهد.

قبل از پیوستن به دانشگاه جانسون ولز در سال 2015 ، او در مدرسه طراحی رود آیلند (RISD) و کالج معماری بوستون تدریس می کرد.

Linkedin (لینکدین)

لینکدین: شبکه اجتماعی حرفه‌ای برای ارتباط و کارآفرینی

لینکدین به عنوان یکی از بزرگترین شبکه‌های اجتماعی حرفه‌ای، به میلیون‌ها افراد در سراسر جهان این امکان را می‌دهد تا ارتباط برقرار کنند، اطلاعات حرفه‌ای خود را به اشتراک بگذارند و فرصت‌های شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان می‌دهد تا رزومه حرفه‌ای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمن‌ها و گروه‌های حرفه‌ای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهره‌مند شوند.

لینکدین همچنین به کارفرمایان امکان می‌دهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفه‌ای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصت‌های شغلی و گسترش شبکه حرفه‌ای خود، نقش مهمی را ایفا می‌کند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفه‌ای در دنیای امروز مورد توجه قرار دارد.