Clayton Miller谈建筑中的数据科学:在学术和工业领域,数据科学才刚刚起步

Clayton Miller谈建筑中的数据科学:在学术和工业领域,数据科学才刚刚起步插图 © Collage por Fabian Dejtiar. Imagen base via pxhere Licensed under CC0

    克莱顿·米勒(Clayton Miller)是新加坡国立大学BUDS实验室的助理教授,BUDS实验室利用城市和建筑的大数据,分析研究提高能源效率、提升建筑舒适度、安全性和满意度的方法。他是新加坡国立大学(NUS)建筑理学硕士,内布拉斯加州大学林肯分校(UNL)建筑工程硕士,苏黎世联邦高等工业大学理学博士。

    ArchDaily有幸采访了Miller,了解了他对于编程和数据科学如何改善建筑和建造的观点。

    Clayton Miller谈建筑中的数据科学:在学术和工业领域,数据科学才刚刚起步插图1 © Fabian Dejtiar

    Fabian Dejtiar (FD):你为什么选择在建筑和建造领域进行数据科学的研究呢?

    Clayton Miller(CM):在建筑行业中,我的职业范畴跨越了设计、施工和运营各个阶段,也涉及了学术和工业领域的不同视角。在这些过程中,我发现了大量没有被充分利用的数据,因此,十年前,我开始独立探索如何以更有效和灵活的方式来利用它们。在计算机和科学界朋友的鼓励下,我开始自学Python编程。实际上,当我一上手,开始将从同事那里获得的庞杂而混乱的数据进行转换开始,那种更快、更容易的操作感就让我深深着迷了。与那些使用简单工具的人们相比,我像是有了超能力一般。作为新加坡国立大学的老师,我开始在几个课程中,对业内人士进行这一技能的教学。最近,我们团队推出了一门名为“建筑、建造和工程中数据科学”的在线EDx课程,吸引了来自140多个国家的12000多名学员参与。

    FD:数据科学在当代建筑中有多重要?你认为它能帮助建设更好的城市吗?

    CM:建筑师,尤其是大学校园里的建筑师,开始看到了编程和数据科学的力量,尤其是在自动化和设计能力扩展方面。事实上,许多设计师都在重新考虑他们的设计过程——通过计算机生成技术,设计概念可以自主地在几个不同的方向衍生发展,给设计师更多创造的分析和思考的空间。

    选择基于数据科学的生成技术,意味着选择了不断迭代的设计过程,这将帮助设计师在建筑性能、被动设计、碳中和、健康和舒适性等方面,达成更均衡和全面的设计目标。

    这样的设计过程,整合了更多的信息,达成了更多的目标,因而能够创造更好的城市。

    • 相关文章:
    • 新加坡国立大学设计与环境学院

    内容推荐:向红色星球进发,火星殖民设计畅想

    FD:数据处理的一大关键问题就是提出恰当的问题。你是如何找出这个恰当的问题的呢?你的工作流程是什么样的?

    CM:从数据分析的影响力角度来看,找到问题可以说是数据科学最基本的部分。正因为如此,我认为各个专业的人都应该具备在没有程序员帮助的情况下,独立通过编码来构建自身想法的能力。

    以建筑师为例,正因为他们在建筑领域已经接受过深入的培训,无疑他们对于数据科学在建筑学语境下能够创造何种价值是最有感知力的。

    赋予他们一定程度的技能,能够将数据科学的原型引导到设计中去——一旦这种过程在公司层面实现,他们就可以开始引进更多的计算机科学家和机器学习专家,将这种技术投入到生产中。

    FD:相比业界而言,大学在数据科学在建筑的推广上是否发挥了足够的作用?

    CM:许多大学开始认识到数据科学的价值,并在所有专业中加入编程的教学内容。几年前,新加坡国立大学就要求各专业开发包括计算思维课程的新课程。在我们的项目中,我负责的编程技能正是计算机思维下的重要板块。建筑行业才刚刚开始了解这些技术能做些什么,而对它的需求也开始增长。

     FD:对有兴趣走这条路的人,有什么建议吗?

    CM:当然,我强烈建议感兴趣的人学习入门级的EDx在线课程,了解在设计、建造的各种软件中中使用Python的概述。这是一个免费的课程,在经过认证的课程上学习后,能够获得结业证书。当然,Python只是在构建环境中推动这一技能集的工具之一——设计师还可以通过Rhino/Grasshopper、Revit编程自动化、Microsoft Power BI和像Tableau一类的其他工具来进一步深度扩展他们的技能。

    译者:舒晨箫

    内容推荐:你闻到了什么?嗅觉舒适度与气味对健康的影响

头像

Fabian Dejtiar

我还没有学会写个人说明!

相关推荐

暂无相关文章!

微信扫一扫,分享到朋友圈

Clayton Miller谈建筑中的数据科学:在学术和工业领域,数据科学才刚刚起步
返回顶部

显示

忘记密码?

显示

显示

获取验证码

Close