MARC状态：订购 文献类型：中文图书 浏览次数：6
- 题名/责任者:
- 深度生成模型/(波) Jakub M. Tomczak著 王冠译
- 出版发行项:
- 北京:电子工业出版社,2023.9
- ISBN及定价:
- 978-7-121-46018-0/CNY108.00
- 载体形态项:
- xvii, 196页:彩图;24cm
- 统一题名:
- Deep generative modeling
- 个人责任者:
- 汤姆扎克 (Tomczak, Jakub M.) 著
- 个人次要责任者:
- 王冠 译
- 学科主题:
- 人工智能
- 中图法分类号:
- TP18
- 出版发行附注:
- 本书中文简体翻译版授权电子工业出版社独家出版
- 责任者附注:
- 责任者规范汉译姓: 汤姆扎克
- 责任者附注:
- Jakub M. Tomczak (杰克布·M. 汤姆扎克) 阿姆斯特丹自由大学计算智能小组的人工智能助理教授、弗罗茨瓦夫理工大学机器学习博士, 曾在阿姆斯特丹高通人工智能研究公司担任深度学习研究员 (员工工程师), 以及玛丽斯克洛多夫斯卡-居里教授的个人研究员。研究兴趣包括概率建模、深度学习、近似贝叶斯建模和深度生成建模 (特别关注变分自动编码器和基于流的模型)。王冠, 北京大学物理及计算机学士, 香港科技大学物理研究型硕士, 谷歌机器学习开发者专家, 先后在多个学术和工业研究实验室从事机器学习、计算机视觉和自然语言处理的研发, 并在保险行业应用人工智能方面有多年的经验。
- 书目附注:
- 有书目和索引
- 提要文摘附注:
- 本书主要讲述如何将概率建模和深度学习结合起来去构建可以量化周边环境不确定性的强大的AI系统。这种AI系统可以从生成的角度来理解周边世界。本书涵盖了深度生成模型的多种类型, 包括自回归模型、流模型、隐变量模型、基于能量的模型等。这些模型构成了以ChatGPT 为代表的大语言模型, 以及以Stable Diffusion 为代表的扩散模型等深度生成模型背后的技术基石。
- 使用对象附注:
- 本书适合具备微积分、线性代数、概率论等大学本科水平, 并且了解机器学习、Python 及PyTorch 等深度学习框架的学生、工程师和研究人员阅读
全部MARC细节信息>>