机读格式显示(MARC)

• 000 01486cam0 2200337 450

• 001 0000438134

• 005 20250517154300.0

• 010 __ |a 978-7-121-46018-0 |d CNY108.00

• 021 __ |a CN |b 01-2023-0546

• 099 __ |a CAL 012023113054

• 100 __ |a 20230831e20242023ekmy0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a a z 000yy

• 106 __ |a r

• 200 1_ |a 深度生成模型 |A shen du sheng cheng mo xing |d = Deep generative modeling |f (波)Jakub M. Tomczak著 |g 王冠译 |z eng

• 210 __ |a 北京 |c 电子工业出版社 |d 2023 |h 2024重印

• 215 __ |a 196页 |c 图 (部分彩图) |d 24cm

• 314 __ |a CIP数据题责任者Tomczak汉译姓: 汤姆扎克

• 330 __ |a 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。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。

• 333 __ |a 人工智能学习者

• 510 1_ |a Deep generative modeling |z eng

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a TP181 |v 5

• 701 _1 |a 汤姆扎克 |A tang mu zha ke |g (Tomczak, Jakub?M.) |4 著

• 702 _0 |a 王冠 |A wang guan |4 译

• 801 _0 |a CN |b HHU |c 20230927

• 801 _2 |a CN |b PUL |c 20240506

• 905 __ |a XATU |d TP181/412

• 920 __ |a 261060 |z 1

• 998 __ |a HHU