机器学习短期工作坊招募

工作坊简介
这是一个小型实践工作坊，将从p5.js的基础开始，包括绘图，动画和简单交互。接下来工作坊将涉及一系列像素处理和机器学习的计算机视觉技法，并聚焦于身体、脸和手的追踪。p5.js是一个为艺术家、设计师和教育者开发的Java库。“计算机视觉”指一系列让计算机能根据数字图像和影像的内容和行为作出“智能”判断的技术。“机器学习”指的是通过案例（训练数据）而非逐步指令（代码），向计算机进行任务说明。p5.js让我们有能力相对快速地使用在机器学习基础上的计算机视觉算法创造基于摄像头捕捉的交互作品。我们将会在工作坊中讨论ml5.js工具包，以及它在更广泛的当代机器学习工具集中所处的位置。我们将使用ml5.js检测摄像头所捕捉的对象，并训练一个定制化的分类器[1]（classifier)。
课程也会根据学生的实际背景调整，如果最终参加的学生有较强的创意编程背景，工作坊将会在下半部分更多教授使用生成式对抗网络[2]（GAN）进行图像生成，和使用循环神经网络[3]（RNN）来进行文本和音乐的生成。
[1]分类器是数据挖掘中对样本进行分类的方法的统称，包含决策树、逻辑回归、朴素贝叶斯、神经网络等算法。
[2]生成式对抗网络（GAN, Generative Adversarial Networks ）是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。见Ian J. Goodfellow, Jean Pouget-Abadie, Mehdi Mirza. Generative Adversarial Networks：Cornell University Library，2014
[3]循环神经网络（Recurrent Neural Network, RNN）是一类以序列（sequence）数据为输入，在序列的演进方向进行递归（recursion）且所有节点（循环单元）按链式连接的递归神经网络（recursive neural network）. 见：Goodfellow, I., Bengio, Y., Courville, A.．Deep learning (Vol. 1)：Cambridge：MIT Press，2016：367-415

工作坊导师：

凯尔 · 麦克唐纳
凯尔 · 麦克唐纳是一位运用代码创作的艺术家。他是开源代码工具openFrameworks 的贡献者之一，并为运用创意编程进行工作的艺 术家研发了一些算法工具。他对于互联网传播和计算机文化进行创造性地 “颠覆”，寻找其中的裂隙和系统偏见，并将这些观念拓展，探究身份与社会关系中同样存在的裂隙与偏见。他是纽约大学交互设计方向（ITP）的客座教授，F.A.T.实验室成员，openFrameworks 社区运营者，卡耐基梅隆大学创意工作室驻地艺术家，日本山口媒体艺术中心驻地艺术家。他的作品在全球范围内展出，包括日本NTT ICC 媒体艺术中心、奥地利林茨电子艺术节、Sonar/OFFF 电子艺术节、美国Eyebeam 媒体艺术机构、韩国Anyang 公共艺术项目等。他也经常开设关于计算机视觉和交互的工作坊。

学术主持：
邱志杰（中央美术学院实验艺术学院院长、教授）
执行策划:
龙星如（中央美术学院科技艺术研究员）

报名时间：2019年10月31-11月3日
课程时间：2019年11月5日
课程人数：10人（实践课程）

报名方式
请发送如下材料到：
east_workshop@163.com
（1）个人简介及作品集
（2）报名陈述