[由于微信公众号调整了推送规则，对于不想错过每期内容的读者，可点击公众号右上角，将TechArt学究科研社“设为星标 ⭐”，可第一时间获取文章消息，感谢各位的关注~]
课程研究方向：AI算法开发 | 跨学科研究+计算机科学
AI Algorithm Development | Interdisciplinary Research+Computer Science
“机器学习模型与建筑/城市/景观/交互/
地理/环境/交通等多领域泛用性方法研究”[5类算法开发+7种数据类型的方法论与实践应用]
2024·课题更新招募
前期小组技术授课+后期师生1V1指导产出
美国藤校
博士
宾夕法尼亚大学全奖博士
现担任全球Top100院校博士生导师
曾担任宾夕法尼亚大学讲师、美国Top5与国内C9计算机强校研究员
9年海外Top高校科研与教学经验，曾展开学术合作与公开演讲的院校包括：IC, UCL, ETH, Princeton, UC Berkeley, 清华等Top30名校，受邀在国际会议和学术组织上发言90余次；发表含SCI 中科院一区（Top5%）顶级期刊收录在内的50余篇学术文章，担任20余本SCI, SSCI, AHCI, EI期刊审稿人与主编、顶级学术会议主持人，其中担任审稿人的顶级期刊如：Sustainable Cities and Society、Building and Environment、Cities、Computers, Environment and Urban Systems；主持多项国家级基金项目，曾担任多个国内领域知名上市公司技术总顾问。
导师研究方向
跨设计、工程与计算机学科，专注于人工智能机器学习算法开发，数据挖掘与分析，预测与模拟。过往研究涵盖建筑方案生成与优化，建筑性能指标评估与优化；城市大数据，城市建模，城市形态优化，交通行为预测；景观与生态指标预测与优化；生成式人工智能，数据驱动式设计，计算性设计等多领域 ；人机交互与设计软件开发，交互式人工智能，混合现实与可视化等。(可指导合作的方向参考 "方向思维导图")
涵盖SCI中科院一区(前5%)的顶级期刊论文发表OFFERS：
Building and Environment, Sustainable Cities and Society, International Journal of Applied Earth Observation and Geoinformation等；以及其他顶级期刊如：Engineering Applications of Artificial Intelligence, Journal of Building Engineering等...
涵盖工程/管理/结构/环境/地理/交通/城市/景观/建筑/设计领域全奖/带奖博士OFFERS：
除了建筑、城市、交互领域Top50的硕士录取外，学员跨入计算机与自动化学科并获得硕士OFFERS：
在之前的科研课中，我们以人工智能的视角出发，在建筑、城市、景观领域做了许多的尝试。本次科研课，我们将总结以往的经验，围绕人工智能的泛用性方法，旨在概括出一种跨学科且通用于建筑、城市、景观、地理、环境、交通、设计的人工智能方法。我们将基于通用的数据结构对建筑形态、空间环境、城市特征、景观生态、地理信息、环境指标、交通数据、泛设计领域等数据进行统一化，并实现不同设计领域的数据互相训练，互相生成。
本项目将从人工智能与跨学科结合的理论介绍和文献解读开始，同时介绍人工智能和特征工程的计算机理论以扩充学员的知识体系。接着，我们将着重介绍多种大数据的抓取和后处理方法，并实际训练部署常用的人工智能模型，如ANN、CNN、cGAN、cycleGAN、Semantic Segmentation、YOLO、Stable Diffusion、CLIP、LoRA，也将讨论当前其他热门技术的应用如NeRF、Transformer等等。
ANN、CNN、cGAN、cycleGAN、Semantic Segmentation、yolo人工智能模型部署与研究项目应用
此外，导师将分享自身在学术界与工业界的工作经验与合作案例，促进学员在深入研究的同时，也对工业界的技术发展趋势与应用潜力有更清晰的认识，引导课题产出具有研究和应用的双重价值。每位学员将根据自己的兴趣选择主题，收集相应的数据来训练自己的人工智能模型，最终实现多领域方案的互相预测和自动生成。最后在导师的一对一指导下完成个人研究项目，并将整理产出高质量的学术论文进行投稿与发表。
本课题的“方向思维导图”可作为范围参考，不限于以上所列出的内容；欢迎提出不同方向与导师交流合作
项目所涉及的计算机技术有：计算机视觉、深度学习、数据爬取、数据分析、人机交互、算法研发等，适合不同背景的学员向计算机达人转型，如: ① 拓展跨界研究学习与技术实操经验、② 支持跨专业申请计算机等相关新兴技术领域的硕士/博士项目、③ 积累跨学科的项目成果，丰富研究和实践履历。
🔺对于跨专业申请计算机技术领域硕士/博士项目或工作职位的学员，可以重点关注人工智能的模型优化和效率提升，发表高质量论文，证明自己的计算机能力，提升申请材料中的计算机背景。🔺对于申请计算机辅助设计硕士/博士项目或工作职位的学员，可以重点关注人工智能的创造性尝试和创意表达，同时完成高质量论文并发表，提升项目层次，冲刺顶级院校。
最终通过课题学习，学员们将达成：
🔺每位学员产出个人研究项目与论文🔺
核心产出：丰富研究履历+掌握科研底层逻辑
# Academic Experience+Fundamental Logic
助力思路突破/技术拓展/科研积累/履历提升
学员将获得高质量人工智能研究项目，并结合个人综合履历，提升整体技术深度和科研含金量。从0到1学习如何跑通优质科研项目的底层逻辑，再由1到100 将逻辑框架拓展至未来更多的学术产出中。
核心产出：获得SCI期刊等论文产出
# Publication+Writing Sample
助力套磁高回复率/博士申请/奖学金申请/博士毕业/硕士申请/职称评定
学员将结合个人发展规划，在导师指导下修改产出符合投稿要求的一篇（或多篇*）学术论文，产出将集中以投递SCI中科院一区（前5%）期刊为目标*。
SCI分区说明，其中SCI中科院一区为前5%的高水平顶尖期刊
SCI/SSCI顶级学术期刊参考，含中科院一区(前5%)+二区(前20%级别)：
具体刊物将结合学员最终的选题，刊物领域包括但不限于：规划设计、土地利用、交通系统、气候环境、基础设施建设、医疗健康、社会服务、社会经济、人文地理、人机交互、用户体验等。对于投递计算机领域期刊感兴趣的学员，也可参考CCF推荐国际学术期刊目录。可下滑：
Applied Energy CiteScore: 21.2; 影响因子: 11.2
Journal of Cleaner Production CiteScore: 20.4; 影响因子: 11.1
Automation in Construction CiteScore: 19.2; 影响因子: 10.3
Sustainable Cities and Society CiteScore: 18.4; 影响因子: 11.7
Transportation Research Part C: Emerging Technologies CiteScore：15.5; 影响因子: 8.3
Landscape and Urban Planning CiteScore：14.4; 影响因子: 9.1
Construction and Building Materials CiteScore：13.8; 影响因子: 7.4
Land Use Policy CiteScore：13.7; 影响因子: 7.1
Computers, Environment and Urban Systems CiteScore：13.3; 影响因子: 6.8 Energy and Buildings CiteScore：12.7; 影响因子: 6.7 International Journal of Applied Earth Observation and Geoinformation CiteScore：12.0; 影响因子: 7.5 Urban Forestry & Urban Greening CiteScore：11.7; 影响因子: 6.4 Journal of Transport Geography CiteScore：11.5; 影响因子: 6.1
International Journal of Human-Computer Studies CiteScore：11.5; 影响因子: 5.4
Cities CiteScore：11.2; 影响因子: 6.7
ACM Transactions on Computer-Human Interaction CiteScore：11.0; 影响因子: 3.7
Habitat International CiteScore：10.5; 影响因子: 6.8
Urban Climate CiteScore：9.7; 影响因子: 6.4…等，不限以上所列
国际顶级学术会议参考：
学员也可以参考自身所在院校的“重要国际学术会议目录”进行定向投稿。对于投递计算机领域会议感兴趣的学员，也可参考CCF推荐国际学术会议目录。可下滑：
ACM CHI: The ACM Conference on Human Factors in Computing Systems
HCII: The HCI International Conference
SIGGRAPH: ACM Special Interest Group on Computer Graphics
ACM MM: ACM International Conference on Multimedia
ACADIA: The Association for Computer-Aided Design in Architecture
CAADRIA: The Association for Computer-Aided Architectural Design Research in Asia
SIGraDi: Sociedad Iberoamericana de Grafica Digital
CAAD futures: International Conference on Computer-Aided Architectural Design Futures…等，不限以上所列
附加产出：专利申请、竞赛申请、作品集等
附加产出：学位申请或求职咨询/个人发展建议
由博导视角反馈在科研和申请路径上的综合建议； 细化自身的研究兴趣，并将自身的论文产出与RP-Research Proposal研究提案的选题进行联系； 可分享海内外知名实验室的合作职位等，或获得升学和相关工作等方面的有力推荐； 额外福利：学员将有机会与本课题导师进一步合作有关AI算法开发、智能软件开发等业内知名企业的真实项目。
章节1-章节5：
章节6-章节8：
章节9-章节15：
每周固定指导时间，按照1周2个章节推进，对应2.5周。对于内容量较多的板块，章节指导时长预计在3.5个小时左右，课后可回看记录跟练。
章节6-章节8：
章节9-章节15：
专业背景：
背景不限（建筑/景观/规划/环艺/交互/产品/设计/地产/环境/结构/工程/计算机等），面向本科生高年级、硕士生、博士生、及校内外在职人员，并具备较强的学习能力和搜索能力（重要!）
编程能力：
熟悉环境配置，掌握Python基本语法元素，了解基本数据类型以及组合数据类型，可编译并运行Python源代码。Python零基础的情况可提前联系小助手沟通。
绘图表达：
有基本的绘图表达能力；
写作能力：
有英文论文写作和发表经验为佳，加分项。
人工智能、技术理论与背景知识教学-小组
——Introduction to Artificial Intelligence and Technical Theory
1) 开题介绍
开题说明；
技术概览；
项目选题，目标说明与课程预期结果。
2) 主题型知识梳理
设计等学科和计算学科的共通性；
人工智能参与设计等学科的通用方法论；
人工智能与建筑设计、城市规划、交通优化、景观设计、结构设计、创意设计等的结合案例；
核心论文解读，并对应Nature或Science子刊/SCI/SSCI等不同级别论文的项目深度与论文逻辑组织差别；
有价值的未来研究方向分析，学术研究价值与工业应用价值并行；
人工智能冲击下的设计等学科思考。
3) 开放讨论答疑
答疑AI技术的知识框架；
答疑课程目标，论文发表规划，研究与技术价值；
答疑学术界与工业界岗位申请、硕士与博士申请、个人发展等问题。
课后任务：头脑风暴，学员需思考感兴趣的研究方向和具体研究内容，广泛阅读文献资料。对于前置内容还未完成学习的学员，可结合所讲内容继续完成学习任务。
主题技术与案例讲解、基于实际项目的学术界与工业界经验总结
前沿研究与文献解读-小组
——Literature Review
1) 人工智能与多学科结合的前沿研究介绍
150+篇顶级会议论文快速解读与系统梳理；
20+篇期刊论文精细解读与方法论理解。
2) 开放讨论答疑
答疑AI技术问题，以及对案例项目的理解问题等；
讨论学员对选题想法的更新，明确创新高度，并展开说明可行性与潜在难点。
课后任务：学员需精读课程中介绍的会议和期刊论文材料，理解其中的科学性内核，并对应思考自身选题的科学性。
文献精选与方法论深入掌握，引导学员的选题想法与方法创新
人工智能基础知识-小组
——AI Theory & Diffusion
1) 人工智能计算理论与演变过程；
2) Diffusion（扩散模型）原理讲解；
3) 开放讨论答疑（学员选题、技术探讨......）。
课后任务：学员需学习补充的技术资料与额外的讲解文件，学员也可以进一步参考其他推荐的教程来练习编程技巧。
数据方法教学-小组
——Data Skills
1) 以各个设计领域为案例，介绍不同类型数据采集的基本方法和实践案例：
真实图像数据；
抽象图像数据；
矢量数据；
矢量转热力图像数据；
矢量转符号图像数据；
像素化的矢量数据；
语义分割数据。
2) 数据来源方法和数据平台/网站介绍；
3) 数据的预处理与后处理：解读，清洗，归一化；
4) 开放讨论答疑（学员选题、技术探讨、程序问题......）。
课后任务：学员需思考各自选题中的数据形式，可能的数据来源和处理方法。
小部分课程教学过程剪辑，与师生日常答疑记录
人工智能部署教学-小组
——AI, Machine Learning, and Neural Network
1) 人工智能程序实践，由导师提供修改试调的程序文件等，学习从技术操作到方法创新的完整逻辑：
矢量-矢量型ANN；
图像-矢量型CNN；
图像-图像型cGAN；
图像-图像型cycleGAN；
文字-图像型Stable Diffusion+LoRA+controlNET。
2) 本地与在线计算的区别，在线计算教学，Google Colab应用教学；
3) 开放讨论答疑（学员选题、技术探讨、程序问题......）。
课后任务：学员思考各自选题中可能用到的人工智能算法模式，实践部署授课中感兴趣的人工智能模型。
初步概念和实现路径-个人点评+小组跟听
——Preliminary Concept and Implementation Path
1) 初期方案汇报；
2) 确定课题初步想法（学员进度展示与推进）；
3) 项目点评与反馈修改：数据收集流程，AI训练流程，部署流程。
课后任务：学员根据点评反馈，各自推进项目进程，课前可给到进展文件。
方法合理性和改进-个人点评+小组跟听
——Methodology Improvements
1) 中期方案汇报；
2) 数据和模型训练的初步成果（学员进度展示与推进）；
3) 项目点评与反馈修改：训练和测试准确率解读，结果的可视化表现。
课后任务：学员根据点评反馈，各自推进项目进程，课前可给到进展文件。
结果解读和逻辑梳理-个人点评+小组跟听
——Results and Logics
1) 终期方案汇报；
2) 测试效果和分析性结果（学员进度展示与推进）；
3) 项目点评与反馈修改：过程和结果的科学化表达，逻辑自洽梳理。
课后任务：学员根据点评反馈，各自推进项目进程，课前可给到进展文件。
（此后将由小组形式，转至1V1形式）
延续研究的延展和论文框架-1V1
相关文献综述和研究目标的表达-1V1
研究方法提炼-1V1
结果分析和论证-1V1
——Result Writing
1) 结果部分书写；
2) 项目点评与反馈修改：成果展示的完整性，对方法论的体现，是否存在特例；
3) 继续项目与内容深化（含算法/数据改进与答疑等，结合学员项目的具体情况）。
课后任务：学员根据点评反馈，各自推进项目/稿件进程，课前可给到进展文件。
结论，摘要，其他注意点-1V1
——Conclusion, Reference, and Abstract Writing
1) 结论和参考书目部分书写；
2) 摘要部分书写；
3) 项目点评与反馈修改：结论的扩展性，摘要的概括性，参考书目格式正确性；
4) 继续项目与内容深化，逐步收尾至定稿。
课后任务：学员根据点评反馈，各自推进项目/稿件进程，课前可给到进展文件。
投稿前的校验和论文投稿-1V1
——Proofreading and Submission
1) 文字语法最终校验；
2) 论文图片微调；
3) 检索可投稿的期刊（最终选刊问题）。
课后任务：论文正式投递后，将继续跟进投稿状态与审稿进度。
审稿意见的答复和论文修正-1V1
——Revision and Rebuttal
1) 论文第二轮返回修改；
2) 审稿意见答复；
3) 论文正式发表见刊；
4) 讨论期刊发表后如何扩大学术影响力。
He, J., & Zheng, H. (2021). Prediction of crime rate in urban neighborhoods based on machine learning. Engineering Applications of Artificial Intelligence, 106, 104460.
补充指导(可附加)-1V1
——Additional Tutorial
在完成一篇论文定稿并进入投稿环节后，对于有多篇论文产出需求的学员，可继续新开题、从初步概念和实现路径的部分开始新项目的推进至第二篇论文定稿撰写完成，进入投稿。
课题咨询可联系TechArt小助手微信：TechArt1103
【组队报名、内部学员报名、或由内部学员推荐，可安排福利】
师生课程群中的日常问题答疑（部分），链接可转至过往“OFFERS 优秀特辑”
∨
∨
∨
∨
∨
过往论文发表情况的摘选展示（部分）
声明：本文所引用的论文文献，其相关版权归原作者所有
课程内容属TechArt学究科研社的原创教研，拥有独家知识产权
关于更多课程详情，欢迎在文章最后联系TechArt小助手一起交流。
TechArt科研+可定制 | Placemaking与まちづくり：新语境下的城市公共空间营造
TechArt 历史理论教学&研究小组课 | 宾大学术课题-中外中国建筑史研究差异
TechArt写作提升 | 剑桥学术课题-艺术与改革：意大利文艺复兴时期的女性艺术家
TechArt科研进阶 | UCL学术课题-城市分析 | 在可持续城市发展背景下重释文化含义
博士交流 | 学术规划 | 资讯分享 | 科研提升 | 申请经验
TechArt Research学究科研社，专注于建筑|城市|景观|交互|艺术|工程|计算机|机器人等跨学科领域的学术交流与教学合作。自2019年由Cambridge剑桥大学、UCL伦敦大学学院、MIT麻省理工学院、Harvard哈佛大学等多位名校学者共同创立品牌。持续汇聚美国藤校、英国G5等海内外名校博士/博士后/讲师/教授，研发前沿教学模式及课题内容，竭力为热爱学术的学员们带来优质的科研资源、创造得天独厚的教育空间。
TechArt将继续分享前沿学术知识与优质科研资源，为热爱学术的小伙伴们提供满满福利！
