生成深度學習｜訓練機器繪畫、寫作、作曲與玩遊戲, 2/e (Generative Deep Learning: Teaching Machines to Paint, Write, Compose, and Play, 2/e)
David Foster 著 CAVEDU 教育團隊 曾吉弘 譯
- 出版商: 歐萊禮
- 出版日期: 2024-11-14
- 定價: $880
- 售價: 7.9 折 $695
- 語言: 繁體中文
- 頁數: 448
- 裝訂: 平裝
- ISBN: 6263248548
- ISBN-13: 9786263248540
-
相關分類:
DeepLearning
- 此書翻譯自: Generative Deep Learning: Teaching Machines to Paint, Write, Compose, and Play, 2/e (Paperback)
立即出貨 (庫存 > 10)
買這商品的人也買了...
-
語意軟體設計｜現代架構師的新理論與實務指南 (Semantic Software Design)$580$458 -
WebSecurity 網站滲透測試：Burp Suite 完全學習指南 （iT邦幫忙鐵人賽系列書）$600$468 -
$560Spring微服務實戰（第2版） -
領域驅動設計學習手冊 (Learning Domain-Driven Design)$580$458 -
ChatGPT 領軍 DALL-E 2 + Midjourney + D-ID + Synthesia：邁向 AI文字、圖像、影片之路 (全彩印刷)$500$395 -
Terraform 建置與執行, 3/e (Terraform: Up and Running: Writing Infrastructure as Code, 3/e)$780$616 -
FastAPI Web 開發入門、進階與實戰$774$735 -
$509YOLO 目標檢測 -
跟 NVIDIA 學深度學習！從基本神經網路到 ......、GPT、BERT...，紮穩機器視覺與大型語言模型 (LLM) 的建模基礎$880$695 -
邊緣AI｜使用嵌入式機器學習解決真實世界的問題 (AI at the Edge: Solving Real-World Problems with Embedded Machine Learning)$880$695 -
Clean Architecture 無瑕的程式碼－整潔的軟體設計與架構篇 + 實作篇－在整潔的架構上弄髒你的手, 2/e (雙書合購)$1,180$702 -
GPT5 新時代 - 多模態深度學習精實操練$680$537 -
Vue 學習手冊 (Learning Vue: Core Concepts and Practical Patterns for Reusable, Composable, and Scalable User Interfaces)$680$537 -
LLM 大型語言模型的絕世祕笈：27路獨步劍法，帶你闖蕩生成式 AI 的五湖四海 （iThome鐵人賽系列書）$650$507 -
資料庫內部原理｜深入了解分散式資料系統的運作方式$780$616 -
領域故事化：協作 ｘ 視覺化 ｘ Agile，輕鬆打造專業水準的 DDD 軟體 (Domain Storytelling: A Collaborative, Visual, and Agile Way to Build Domain-Driven Software)$650$507 -
機器學習的訓練資料 (Training Data for Machine Learning)$780$616 -
可觀測性入門指南：Logs、Metrics、Traces 三大實戰應用，用 24個 Lab 鞏固你的 SRE 技能樹 (iThome鐵人賽系列書)$680$530 -
領域驅動設計工作坊$479$455 -
具成本效益的資料管道 (Cost-Effective Data Pipelines)$680$537 -
Python 自學聖經：從程式素人到開發強者的技術、實戰與 AI 應用大全, 3/e (附影音/範例程式)$880$660 -
推薦系統實踐入門｜可應用於工作上的指引$680$537 -
人工智慧的現在與未來：它將如何改變全世界$680$537 -
資料工程基礎｜規劃和建構強大、穩健的資料系統 (Fundamentals of Data Engineering)$980$774 -
AI 圖片增強 - 影像畫質演算法及深層視覺技術$980$774
相關主題
商品描述
生成式AI是科技界最熱門的主題。本書以實務導向，教導機器學習工程師與資料科學家們如何使用 TensorFlow 與 Keras 來從頭做出令人讚嘆的生成深度學習模型，包含變分自動編碼器（VAE）、生成對抗網路（GAN）、Transformer、正規化流、能量模型與降噪擴散模型。
本書從深度學習的基礎開始，逐步談到最尖端的架構。透過各種提示與小技巧，您將理解如何讓模型更有效地學習並變得更富有創造力。
．探索如何使用VAE（變分自動編碼器）來修改照片中的臉部表情
．訓練各種GAN（生成對抗網路）以根據您專屬的資料集來生成圖像
．建置擴散模型來生成新品種的花卉
．自行訓練GPT來生成文字
．了解像ChatGPT這樣的大型語言模型是如何訓練的
．探索StyleGAN2與ViT-VQGAN這類最新架構
．使用變換器（Transformer）和MuseGAN編寫多聲部音樂
．理解生成世界模型如何解決強化學習任務
．深入研究DALL.E 2、Imagen和Stable Diffusion這類多模態模型
本書還探討了生成式AI的未來，以及個人和公司如何藉由積極著手運用這項非凡的新技術來創造競爭優勢。
「這是一本淺顯易懂的絕佳入門書，介紹生成建模的各種深度學習套件。如果您喜歡寫點程式並希望將深度學習應用於工作中的創意從業者，這本書保證適合您。」
——Stability AI策略部門主管David Ha——
「這本書超級棒，深入介紹了各種最新生成式深度學習背後的所有主要技術。這是對AI中最迷人領域的一趟引人入勝探索之旅！」
——Keras創辦人François Chollet——
作者簡介
David Foster 是Applied Data Science公司的共同創辦人之一，也是一位提供客戶各種解決方案的資料科學顧問。擁有英國劍橋大學三一學院的數學碩士學位，以及英國華威商學院的作業研究碩士學位。
目錄大綱
【第一篇 認識生成深度學習】
chapter 1 生成建模
什麼是生成建模？
chapter一個生成式模型
核心機率理論
生成模型分類
生成深度學習程式庫
chapter 2 深度學習
深度學習的資料
深度神經網路
多層感知器（MLP）
卷積神經網路（CNN）
【第二篇 方法】
chapter 3 變分自動編碼器
簡介
自動編碼器
變分自動編碼器
探索潛在空間
chapter 4 生成對抗網路
簡介
深度卷積生成對抗網路（DCGAN）
具梯度懲罰的 Wasserstein GAN（WGAN-GP）
條件生成對抗網路（CGAN）
chapter 5 自迴歸模型
簡介
長短期記憶網路（LSTM）
遞歸神經網路（RNN）的延伸
PixelCNN
chapter 6 正規化流模型
簡介
正規化流
RealNVP
其他正規化流模型
chapter 7 能量模型
簡介
能量模型
總結
chapter 8 擴散模型
簡介
降噪擴散模型（DDM）
總結
【第三篇 應用】
chapter 9 Transformer
簡介
GPT
其他 Transformer 模型
總結
chapter 10 進階 GAN
簡介
ProGAN
StyleGAN
StyleGAN2
其他重要的 GAN
chapter 11 音樂生成
簡介
音樂生成的 Transformer 模型
MuseGAN
總結
chapter 12 世界模型
簡介
強化學習
世界模型概述
收集隨機推演資料
訓練 VAE
收集資料以訓練 MDN-RNN
訓練 MDN-RNN
訓練控制器
夢境訓練
chapter 13 多模態模型
簡介
DALL.E 2
Imagen
Stable Diffusion
Flamingo
chapter 14 結語
生成式 AI 的時間軸
生成式 AI 的現狀
生成式 AI 的未來
最終想法
索引
