内容大纲
生成式人工智能是高科技领域最热门的话题之一。机器学习工程师和数据科学家可以通过本书学习如何使用TensorFlow和Keras，从零开始构建强大的生成式深度学习模型，包括变分自编码器（VAE）、生成对抗网络（GAN）、Transformer、标准化流模型、基于能量的模型（EBM）以及去噪扩散模型。
本书从深度学习的基础知识讲起，逐步深入当前最尖端的架构。你可以通过书中的技巧和窍门，学习如何构建能够更有效地学习以及更具创造力的模型。
作者介绍
大卫·福斯特是Applied data Science公司的联合创始人，这是一家为客户提供创新解决方案的数据科学咨询公司。他拥有英国剑桥大学三一学院数学硕士学位和华威大学运筹学硕士学位。
目录
序
前言
第一部分生成式深度学习简介
  第1章  生成式建模
    1.1  什么是生成式建模
      1.1.1  生成式建模与判别式建模
      1.1.2  生成式建模的兴起
      1.1.3  生成式建模与AI
    1.2  我们的第一个生成式建模
      1.2.1  Hello World
      1.2.2  生成式建模框架
      1.2.3  表示学习
    1.3  核心概率理论
    1.4  生成式模型的分类
    1.5  生成式深度学习代码库
      1.5.1  克隆代码库
      1.5.2  使用Docker
      1.5.3  运行GPU
……
第二部分方法
第三部分应用

内容大纲

作者介绍