https://youtu.be/1LoJiQ7gzUI?list=TLGGfY_XJum7NJcyNjA4MjAyNQ
디자인, 데이터, 컴퓨테이셔널 디자인의 미래
이 강연은 디자인 대학교 1학년 학생들을 대상으로, 다가올 시대에 필요한 핵심 역량으로서 데이터, 코딩, 컴퓨테이셔널 디자인 사고방식의 중요성을 강조한 특강이다. 발표자는 데이터 관련 업계에서 일한 경험을 바탕으로, 빠르게 변화하는 사회 속에서 디자이너가 어떤 준비를 해야 하는지 구체적인 공부 전략과 멘탈리티를 제시한다.
1. 시대적 변화와 데이터의 역할
오늘날 우리는 정보가 폭발적으로 증가하는 시대를 살고 있다. 인터넷, 메타버스, 스마트폰과 같은 기술은 이미 일상 깊숙이 자리 잡았으며, 우리의 경쟁 상대는 단순히 동료 학생이 아니라 어릴 때부터 영어, 수학, 코딩을 배운 세대이다. 발표자는 앞으로의 시대에 가장 중요한 ‘재료’는 데이터라고 강조한다.
데이터를 어떻게 모으고, 가공하고, 분석하고, 적용할 수 있는지가 핵심 경쟁력이 된다. 즉, 디자이너 역시 데이터를 새로운 디자인 재료로 다루는 능력이 필요하다.
2. 언어와 사고의 확장 – 코딩이라는 새로운 언어
과거에는 구어체에서 문자로 발전하면서 정보 처리의 정확도가 크게 향상되었다. 이후 세대는 전공이라는 학문적 언어로 문제를 풀어왔다. 그러나 앞으로의 시대에는 코딩이 새로운 언어가 된다. 코딩은 단순히 프로그래밍 기술을 배우는 것을 넘어, 문제 해결 능력을 극대화하는 도구로 작용한다.
발표자는 코딩이 “컴퓨테이셔널 사고를 실현하는 핵심 언어”라고 설명하며, 디자이너가 새로운 사고 방식을 받아들이는 것이 중요하다고 역설한다.
3. 컴퓨테이셔널 사고 (Computational Thinking)
컴퓨테이셔널 사고는 복잡한 문제를 해결하기 위해 컴퓨터처럼 생각하는 방식이다.
문제 분해 (Decomposition): 큰 문제를 작은 단위로 나누어 해결한다.
패턴 인식 (Pattern Recognition): 반복되는 구조를 찾아 효율적인 해결책을 마련한다.
추상화 (Abstraction): 본질을 추출하고 불필요한 부분을 제거한다.
알고리즘 설계 (Algorithm): 순차, 분기, 반복을 조합해 문제 해결 절차를 만든다.
이러한 사고 훈련은 인간의 암묵적 사고를 명시적인 절차로 바꾸며, 디자이너에게 새로운 문제 해결 능력을 제공한다.
4. 디자이너에게 코딩이 필요한 이유
전통적으로 디자이너는 유리, 플라스틱, 천 같은 물리적 재료를 다루었다. 그러나 이제는 데이터가 새로운 디자인 재료가 되었다. 소프트웨어는 데이터를 다루는 도구이며, 이는 디자이너가 기존의 한계를 뛰어넘게 한다.
코딩을 통해 디자이너가 얻을 수 있는 이점은 다음과 같다.
창의성 확장: 반복 작업을 자동화해 더 창의적인 아이디어에 집중 가능
작동하는 디자인: 아이디어를 실제로 구현 가능
최적화: 결과물을 효율적으로 개선 가능
새로운 방법론: 데이터 기반의 디자인 프로세스 창출
발표자는 코딩이 기존 디자인 방식을 대체하는 것이 아니라 보완하는 것임을 강조한다. 디자이너는 전체 과정을 혼자서 다 하지 않아도 되며, 필요한 부분에만 컴퓨테이셔널 사고를 적용해도 충분히 큰 차이를 만들 수 있다.
5. 데이터와 디자인의 결합 – 컴퓨테이셔널 디자인
디자인은 결국 결정의 연속이며, 데이터는 이를 뒷받침하는 근거가 된다. 도시 데이터, 이미지 데이터(머신러닝·딥러닝), 개인 데이터 등 다양한 데이터가 디자인 과정에 활용될 수 있다.
컴퓨테이셔널 디자인은 데이터를 활용해 건축 시뮬레이션, 최적화, 인터랙티브 디자인, VR/AR, 모션 그래픽 등 폭넓은 분야에서 가능성을 보여준다. 디자이너가 코딩 능력을 갖추면 엔지니어와의 협업에서 더 큰 시너지를 낼 수 있다.
6. 공부 전략 – 어디서부터 시작할 것인가
발표자는 소프트웨어 기능보다 데이터 타입(벡터 vs 비트맵, 서피스 vs 폴리곤) 중심으로 접근할 것을 권한다. 또한 자신이 사용하는 툴과 관련된 코딩 언어부터 배우는 것이 효과적이다.
예:
애프터 이펙트 → 자바스크립트
3ds Max/Maya → 파이썬
수학 역시 단순히 문제 풀이 도구가 아니라, 3D 지오메트리와 시각화에 필요한 사고의 언어로 이해해야 한다. 나아가 다양한 온라인 자료(유튜브, 브런치, 강의 자료)를 활용해 개별 관심사에 맞게 학습을 심화할 수 있다.
7. 동기 부여와 멘탈리티
발표자는 학생들에게 단순히 사회가 만들어준 꿈을 좇기보다는 자신이 진정으로 좋아하는 일을 찾으라고 조언한다. 또한 실패를 두려워하지 말고, 실패를 성장의 압축 과정으로 이해해야 한다고 강조한다.
진입 장벽 높이기: 자신이 잘하는 것을 더 잘해 남들과 차별화된 강점을 갖추기
융합적 사고: 과거 경험과 다른 분야 지식을 연결해 새로운 시각 창출
꾸준함: 장기적인 목표를 설정하고 지속적으로 도전할 것
잘한다는 기준은 타인의 인정뿐 아니라 자기 자신에 대한 믿음에서 나온다. 중요한 것은 멈추지 않고 배우고 도전하는 태도이다.
이 특강은 디자인 전공 초년생들에게 데이터와 코딩, 컴퓨테이셔널 디자인이 더 이상 선택이 아니라 필수임을 강하게 환기시킨다. 디자이너가 이 능력을 갖추면 단순한 조형이나 미학을 넘어, 사회적 영향력을 발휘하며 새로운 분야를 개척할 수 있다. 발표자는 학생들이 두려움을 넘어 지속적으로 배우고 도전함으로써 자신만의 독창적 길을 개척하길 격려한다.
데이터, 디자인, 컴퓨테이셔널 사고브리핑 문서:
데이터 & 디자인 / 컴퓨테이셔널 디자인
NJ 스튜디오 브리핑 요약 (NJ Namju Lee 강의 발췌)
본 문서는 NJ 남주 리의 두 차례 강의(영어·한국어 병행)에서 발췌된 내용을 정리한 것이다. 핵심은 디자인 프로세스에서 데이터가 단순한 부차적 요소가 아니라 필수적이고 보편적인 자원이라는 점이다. NJ는 데이터를 이해·처리·활용하는 능력이 디자이너에게 더 정보 기반적이며 최적화되고 창의적인 결과를 가능하게 한다고 강조한다.
1. 데이터의 보편성과 정의
데이터는 일상과 디자인 활동 속 어디에나 존재하며, 감정·선호·환경 등도 데이터로 볼 수 있다.
디자인 데이터는 숫자에 한정되지 않고, 지오메트리(형상), 환경(기후·지형), 사회·인구 정보, 재료·제조 데이터, 건축·에너지 성능, 이미지 픽셀, 상호작용·매개변수 데이터까지 포함된다.
2. 데이터 구조와 알고리즘
디자인은 공간 정보를 다루므로 이를 적절히 담는 데이터 구조(그래프, 매트릭스, 텐서 등)가 중요하다.
알고리즘은 데이터 구조를 처리하는 ‘레시피’이며, 데이터+구조+알고리즘의 조합이 컴퓨테이셔널 디자인의 기초다.
디자이너는 자신의 직관·도메인 지식을 알고리즘/프로그램 형태로 패키징하여 재사용 가능한 지식 체계로 만들 수 있다.
3. 시스템으로서의 컴퓨테이셔널 디자인
디자인 프로세스는 데이터와 알고리즘을 통합한 컴퓨테이셔널 파이프라인으로 재구성할 수 있다.
이는 반복 가능한 분석·탐색·생성을 가능하게 하며, 디자인을 시스템으로 바라보는 사고 전환을 요구한다.
도메인 전문성(건축, 조경, 도시 등)은 데이터 수집·해석·활용의 필수 조건이다.
4. 데이터 기반 디자인의 응용
분석·시뮬레이션: 현장 조건(햇빛, 물, 습도, 구조 강도 등)을 수치화하여 결과를 예측.
최적화: 주어진 기준·제약 내에서 ‘최고’의 해결책 탐색.
생성 디자인: 규칙 기반·에이전트 기반 시스템을 통해 다수의 디자인 옵션을 탐색.
시각화: 데이터를 이해·소통하는 필수 기술로, 통찰과 아이디어 공유를 지원.
5. 디자이너에게 주는 시사점
데이터를 디자인의 근본 구성 요소로 받아들일 것.
다양한 스케일·도메인에서 데이터를 정의하고 활용할 것.
데이터 구조와 알고리즘을 통해 공간 정보를 다루는 방법론을 학습할 것.
자신의 디자인 프로세스를 컴퓨테이셔널 시스템으로 전환할 것.
직관과 지식을 알고리즘으로 패키징해 형식화할 것.
데이터 활용에는 도메인 지식이 필수임을 인식할 것.
분석·시뮬레이션·최적화·생성 설계에 데이터를 적극 활용할 것.
시각화 능력을 강화하고, 협업 및 학제적 소통에 개방적일 것.
컴퓨테이셔널 디자인을 정밀성과 창의성을 동시에 높이는 수단으로 볼 것.
데이터를 단순 도구가 아니라 디자인 사고 자체의 기반으로 보며, 디자이너들이 데이터와 컴퓨테이션을 활용해 전통적 디자인 실무의 한계를 확장하길 제안한다. 실제 사례(도시 데이터 분석, 주차 최적화, 구조 탐색, 재료 모델링)는 이러한 원칙이 구체적으로 적용될 수 있음을 보여준다.
한 학기 동안 진행된 디자인 관련 수업의 최종 복습 세션입니다. 제공된 자료들은 "데이터 인 디자인"이라는 과정을 통해 컴퓨테이션 디자인 방법론을 활용하여 디자인 프로세스를 코드화하는 방법을 설명합니다. 본 수업은 디자인 도메인 지식과 컴퓨터 공학 및 수치 해석 이해를 결합하여 디자인 사이언스 엔지니어링 관점을 함양하는 것을 목표로 합니다. 학생들은 데이터 형식, 프로세스 코드화, 다양한 디자인 알고리즘 및 시각화 기법을 학습하며, 최종 프로젝트를 통해 실질적인 컴퓨테이셔널 사고 적용 능력을 평가받습니다. 이 과정은 약 1900개의 슬라이드, 100개 이상의 모듈, 40시간의 강의 등 풍부한 교육 자료를 제공하며, 전문가들의 최종 리뷰와 피드백으로 마무리됩니다. 궁극적으로 디자인 단계에서 데이터를 명시적 또는 암묵적으로 활용하는 방법에 중점을 둡니다.
https://namjulee.github.io/njs-lab-public/work?id=2025-introductionToDesignComputation
해당 강연은 데이터 디자인 및 컴퓨테이션 디자인 분야에서 소프트웨어 개발과 관련된 중요한 개념들을 다룹니다. 강연자는 다양한 프로그래밍 언어와 개발 환경을 소개하며, 2D, 3D 그래픽스 및 매핑을 구현하는 방법들을 설명합니다. 특히, Unity, Three.js, Babylon.js와 같은 도구들을 활용한 렌더링 엔진과 파이프라인 구축에 초점을 맞춥니다. 또한, 컴포넌트 중심 프로그래밍 및 이벤트 처리 방식과 같은 소프트웨어 설계 원칙들을 강조하며, Rhino/Grasshopper 플러그인 개발과 같은 디자인 소프트웨어 확장의 가능성을 제시합니다. 궁극적으로 이 강연은 학생들이 컴퓨테이션 디자이너로서 지속 가능하고 경쟁력 있는 기술 활용 능력을 갖출 수 있도록 돕는 데 목적이 있습니다.
https://namjulee.github.io/njs-lab-public/work?id=2025-introductionToDesignComputation
제공된 자료는 CAD 소프트웨어 개발의 핵심 원리와 디자인 혁신에 대한 포괄적인 강의 내용을 담고 있습니다. 강의는 알고리즘과 데이터 처리를 넘어 디자인 프로세스를 실행 가능한 소프트웨어 시스템으로 패키징하는 것이 21세기 소프트웨어 혁명의 본질임을 강조합니다. 또한, 전통적인 디자인 개발과 달리 소프트웨어 개발이 점진적이고 체계적인 접근 방식을 요구하며, MVC(모델-뷰-컨트롤러)와 같은 디자인 패턴 및 객체 지향 프로그래밍(OOP)을 활용한 계층적 구조화의 중요성을 역설합니다. 최종적으로는 사용자 인터페이스(UI)와 사용자 경험(UX)의 중요성, 그리고 데이터, 관계, 규칙의 시스템으로서의 소프트웨어에 대한 이해를 바탕으로 문제 해결 능력과 꾸준한 노력을 통해 가치 있는 디자이너로 성장할 것을 독려합니다.
https://namjulee.github.io/njs-lab-public/work?id=2025-introductionToDesignComputation
강의자는 디자인 시각화의 중요성과 다양한 기법을 폭넓게 설명합니다. 여기에는 3D 모델링 및 렌더링, 애니메이션, 그리고 모션 트래킹과 같은 포스트 프로덕션 기술이 포함됩니다. 또한, 카메라 앵글과 구도가 디자인 의도를 전달하는 데 어떻게 사용될 수 있는지 논하고, 데이터 시각화 및 인터랙티브 비주얼라이제이션 도구를 언급하며 분야의 깊이와 넓이를 강조합니다. 강의자는 자신의 건축 및 시각화 프로젝트 경험을 예시로 들어 설명하며, 시각화의 다양한 응용 가능성을 제시합니다.
https://namjulee.github.io/njs-lab-public/work?id=2025-introductionToDesignComputation
이 수업은 디지털 매핑과 GIS 시각화의 핵심 내용을 다룹니다. 강의 발췌록은 매핑이 단순히 정보를 나타내는 것을 넘어 인사이트를 추출하는 과정임을 강조하며, 다양한 데이터 유형과 구조(GeoJSON, Shapefile, 벡터, 래스터)를 설명합니다. 또한, 지오 프로세싱 작업(예: 버퍼, 디졸브)과 지도 일반화(예: 단순화, 클러스터링) 기법을 소개하고, 지도 투영의 중요성과 왜곡에 대해 논합니다. 요약 문서는 이러한 강의 내용을 구조화하여, 매핑을 통해 변화를 촉구하고 정보를 기록 및 전달하는 도구로 활용하는 관점을 제시하며, 실무에 유용한 다양한 도구와 라이브러리 및 상호 작용적 매핑 기법(애니메이션, 스토리텔링)을 언급합니다.
https://namjulee.github.io/njs-lab-public/work?id=2025-introductionToDesignComputation
이 강의는 데이터 시각화에 대한 강연 내용을 담고 있습니다. 이 강연은 특히 디자이너 관점에서 데이터를 시각적으로 표현하는 것의 중요성과 다양한 시각화 기법 및 원리를 다룹니다. 좋은 시각화의 특징과 나쁜 시각화의 예시를 통해 정보의 무결성과 효율적인 정보 전달 방법을 강조하며, 시각 정보 처리 방식과 관련된 인지 과학적 측면도 함께 설명합니다. 또한, 데이터 시각화 과정에서의 상호작용(인터랙션)과 데이터 타입에 따른 적절한 시각화 도구 선택에 대해서도 언급하고 있습니다.
https://namjulee.github.io/njs-lab-public/work?id=2025-introductionToDesignComputation
제공된 강의 발췌문은 디자인 분야에서의 다이나믹스 및 에이전트 시스템 개념을 소개합니다. 강의는 시간의 흐름과 요소 간 상호작용을 통해 변화하는 시스템을 구축하는 방법을 설명하며, 스프링 모델이나 파티클 시스템과 같은 동적 시뮬레이션 기법을 예시로 제시합니다. 또한, 각각 독립적인 행동 규칙을 가진 에이전트들이 환경과 상호작용하며 집단적인 결과를 만들어내는 에이전트 시스템, 특히 플로킹 알고리즘을 다룹니다. 마지막으로, 이러한 시스템을 구현하기 위해 객체 지향 프로그래밍(OOP)의 중요성을 강조하며, 설계 문제를 코드로 변환하고 다양한 매개변수를 조정하여 원하는 결과를 얻는 과정의 핵심을 설명합니다.
https://namjulee.github.io/njs-lab-public/work?id=2025-introductionToDesignComputation
강의 발췌록은 디자인 문제 해결에 알고리즘적 사고를 적용하는 방법을 다룹니다. 강사는 하향식 접근 방식을 강조하며, 디자인 문제에서 시작하여 해결에 필요한 알고리즘을 식별하는 과정을 설명합니다. 텍스트 색상 대비 개선이나 CAD 스내핑과 같은 실제 디자인 문제 사례를 통해 알고리즘 적용을 보여줍니다. 또한, 입력에 따라 결과가 일관적인 결정론적 알고리즘과 무작위성을 포함하는 확률적 알고리즘의 차이를 설명하고, 디자인 최적화에서 목표 함수와 평가 지표의 중요성을 강조합니다. 궁극적으로 강의는 디자인 프로세스를 정량화하고 알고리즘화하는 컴퓨팅적 사고방식을 장려하며, 기본 데이터 구조와 알고리즘이 복잡한 문제를 해결하는 데 어떻게 활용되는지 보여줍니다.
https://namjulee.github.io/njs-lab-public/work?id=2025-introductionToDesignComputation
수업에서는 디자인 알고리즘과 옵티마이제이션이 디자인 프로세스와 분리될 수 없는 본질적인 요소이며, 디자이너의 의도와 방향성을 구체화하는 도구로 작용함을 강조합니다. 디자인과 엔지니어링, 알고리즘과 최적화는 모두 목표를 달성하기 위한 일련의 단계(알고리즘)를 설정하고 이를 효율화하는 과정이라는 점에서 동일하게 이해될 수 있습니다. 효과적인 컴퓨테이셔널 디자인을 위해서는 엔지니어링적 사고방식, 특히 소프트웨어 엔지니어의 접근 방식을 이해하는 것이 중요하며, 컴퓨테이셔널 씽킹이 핵심 능력으로 제시됩니다. 또한 결정론적/확률적, 완전 탐색/휴리스틱과 같은 기본적인 알고리즘 유형과 선형/비선형 데이터 구조에 대한 이해가 디자인 문제 해결에 필수적임을 다양한 사례를 통해 설명합니다. 궁극적으로 자료는 디자이너가 데이터와 컴퓨테이션을 활용하여 디자인 역량을 강화하기 위해 알고리즘적 사고와 기본 개념을 습득하는 것이 중요하다고 역설합니다.
https://namjulee.github.io/njs-lab-public/work?id=2025-introductionToDesignComputation
디자인 분야에서 데이터를 활용한 인공지능(AI)의 적용에 대해 논합니다. 특히, 도시 분석, 데이터 보간, 이미지 분석 등을 위한 분석적 AI 모델의 사용 사례와 함께, 새로운 콘텐츠를 생성하는 생성적 AI 모델의 다양한 유형과 활용 방법을 소개합니다. 또한, 데이터를 해석하고 활용할 때 흔히 발생하는 통계적 오류를 피하고 도메인 지식을 적용하는 것의 중요성을 강조하며, 이러한 AI 도구와 모델에 접근할 수 있는 다양한 실용적인 자원들을 제시합니다.
https://namjulee.github.io/njs-lab-public/work?id=2025-introductionToDesignComputation
디자인 맥락에서 데이터 처리 도구로서의 AI와 머신 러닝을 소개합니다. 강의 발췌록은 데이터 유형, 시각화의 중요성, 전처리 기술(결측값 처리, 이상치 제거, 스케일링), 차원 축소(PCA, t-SNE) 등 실제 구현에 필요한 핵심 개념들을 예시와 함께 설명합니다. 또한, 회귀 및 분류 문제, 다양한 신경망 아키텍처, 데이터 분할의 중요성, 앙상블 방법을 다루며 모델 일반화와 과적합 방지 필요성을 강조합니다. 브리핑 문서는 이러한 강의의 주요 내용을 요약하여 데이터 준비 및 품질의 영향력을 재차 강조하고, "가비지 인, 가비지 아웃" 원칙과 과적합 문제를 실제 예시(스마트 드로잉 앱 개발 시 발생한 문제점)를 통해 설명합니다.
https://namjulee.github.io/njs-lab-public/work?id=2025-introductionToDesignComputation
강의 자료는 데이터 과학 및 머신러닝 입문자를 위한 내용으로, 핵심 라이브러리와 기본 개념을 다룹니다. TensorFlow, PyTorch, 사이킷런 등 다양한 머신러닝 프레임워크를 소개하며, 특히 데이터 처리를 위한 필수 도구인 NumPy와 Pandas의 중요성을 강조합니다. 기본적인 데이터 타입, 배열 처리, 데이터 조작 및 분석 방법 등을 설명하고, 실습을 통해 기계 학습 문제를 이해하도록 돕습니다. 학습 자료와 리소스를 안내하며 꾸준한 연습의 필요성을 역설합니다.
https://namjulee.github.io/njs-lab-public/work?id=2025-introductionToDesignComputation
본 영상 강의는 인공지능(AI), 특히 머신 러닝(Machine Learning)의 기본 개념과 활용 방안에 대해 설명합니다. AI를 구현하는 방법론으로서 머신 러닝을 소개하며, 데이터를 기반으로 패턴을 찾고 예측하거나 분류하는 과정을 중점적으로 다룹니다. 강의는 **데이터 준비 및 전처리(missing values, outliers, scaling, normalization 등)**의 중요성을 강조하고, 선형 회귀(linear regression), 분류(classification) 등의 문제 해결 방법과 **모델 평가 지표(R-squared 등)**에 대해 설명합니다. 또한, 차원의 저주(curse of dimensionality), 과적합(overfitting) 및 과소적합(underfitting) 문제, 그리고 인공 신경망(Artificial Neural Networks, ANN), 합성곱 신경망(Convolutional Neural Networks, CNN) 등의 **다양한 모델과 학습 방법(supervised, unsupervised, reinforcement learning)**을 소개합니다. 궁극적으로 문제 해결의 관점에서 적절한 데이터와 모델을 선택하는 것의 중요성을 역설합니다.
https://namjulee.github.io/njs-lab-public/work?id=2025-introductionToDesignComputation
본 강의 발췌록은 디자이너를 위한 AI를 주제로, 특히 생성 AI에 대한 피상적인 이해에 대한 강사의 우려를 중심으로 전개됩니다. 강사는 디자이너들이 데이터, 알고리즘, 그리고 기본적인 기계 학습 모델에 대한 근본적인 이해 없이 생성 AI의 신기함에만 집중한다고 지적하며, 이는 결국 계산적 접근 방식의 효과적인 통합을 방해한다고 강조합니다. 강의는 분석 AI와 생성 AI의 차이점, 환각 현상과 그 원인(보간법), 데이터와 편향의 중요성, 그리고 보간법과 외삽법의 차이 등 핵심적인 AI 개념을 설명하며, 디자이너들이 도구 자체보다는 해결하려는 문제를 먼저 이해하고, AI 기술을 비판적으로 접근해야 함을 역설합니다. 또한, AI의 책임, 투명성, 공정성과 같은 윤리적 고려 사항의 중요성을 강조하며, 현재의 AI는 기존 프로세스를 강화하고 효율성을 높이는 데이터 처리 도구로서 이해해야 한다고 결론짓습니다.
https://namjulee.github.io/njs-lab-public/work?id=2025-introductionToDesignComputation
강의 발췌록은 디자이너를 위한 인공지능(AI)을 주제로 하여, AI에 대한 일반적인 오해를 바로잡고, AI를 가능하게 하는 기술적 기반을 설명합니다. 특히 AI를 데이터 처리의 관점에서 접근하며, 전통적인 프로그래밍 방식(Software 1.0)과 데이터를 기반으로 모델을 구축하는 머신러닝 방식(Software 2.0)의 근본적인 차이점을 강조합니다. 강연자는 디자이너들이 AI를 단순한 유행이나 상상력에 의존하기보다는 기술적인 이해를 바탕으로 접근해야 함을 역설하고, AI가 마케팅 용어에 그치지 않고 실질적인 문제 해결 도구가 될 수 있음을 시사합니다.
https://namjulee.github.io/njs-lab-public/work?id=2025-introductionToDesignComputation
소스 자료는 픽셀과 복셀 데이터 구조를 활용한 컴퓨테이셔널 디자인 워크숍의 내용을 담고 있습니다. 이 자료는 연결성 정의와 데이터 스무딩이 픽셀 및 복셀 데이터 구조를 다루는 데 있어 가장 중요함을 강조하며, 주변 픽셀/복셀 간의 정보 전파 및 영향을 설명합니다. 또한, 이러한 데이터 구조를 활용하여 지형 생성, 데이터 시각화, 이미지 처리, 그리고 환경 분석 등 다양한 디자인 및 분석 작업을 수행하는 방법과 함께 기본적인 프로그래밍 개념 및 객체 지향 프로그래밍의 중요성을 역설합니다.
https://namjulee.github.io/njs-lab-public/work?id=2025-introductionToDesignComputation
강의 발췌록은 픽셀과 복셀이라는 기본적인 데이터 구조를 활용하여 공간 정보를 다루는 계산 설계의 개념을 설명합니다. 이 자료들은 이러한 구조가 그래프와 같은 기존의 데이터 표현 방식과 어떻게 관련이 있으면서도 연속적인 공간 데이터를 표현하고 조작하는 데 특히 적합한지를 강조합니다. 강의는 이미지 처리, 컬러 컴퓨테이션, 공간 분석 및 시뮬레이션에 대한 응용 사례를 제시하며, 복잡한 현실 데이터를 디지털 형식으로 추상화하고 필터를 적용하는 기법들을 소개합니다. 결국, 픽셀과 복셀 데이터 구조는 데이터 요소 간의 연결성과 관계를 정의하는 계산적 사고의 중요한 도구로 제시됩니다.
https://namjulee.github.io/njs-lab-public/work?id=2025-introductionToDesignComputation
제공된 영상 발췌록은 그래프 이론과 계산 디자인 응용을 소개하는 워크숍 내용을 다룹니다. 파이썬 및 그래스호퍼 환경에서 노드와 엣지로 구성된 그래프 구조를 구축하고 최단 경로 탐색, 사이클 감지, 가중치 그래프 분석 등 다양한 알고리즘을 구현 및 시각화하는 방법을 시연합니다. 또한, 객체 지향 프로그래밍을 통한 추상화와 코드 모듈화의 중요성을 강조하며, 라이브러리 활용과 직접 구현의 장단점을 비교하고 공간 분석 문제에 그래프 이론을 적용하는 예시를 제시합니다.
https://namjulee.github.io/njs-lab-public/work?id=2025-introductionToDesignComputation
