机读格式显示(MARC)

• 000 01652nam0 2200301 450

• 001 0000482080

• 005 20241111160100.0

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

• 100 __ |a 20241008d2023 em y0chiy50 ea

• 101 1_ |a chi |c pol

• 102 __ |a CN |b 110000

• 105 __ |a a z 001yy

• 106 __ |a r

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

• 210 __ |a 北京 |c 电子工业出版社 |d 2023.09

• 215 __ |a XVIII, 196页 |c 图 |d 24cm

• 300 __ |a 博文视点

• 314 __ |a 责任者规范汉译姓: 汤姆扎克

• 314 __ |a 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。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工作。

• 320 __ |a 有索引

• 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。书中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。

• 500 10 |a Deep generative modeling |A Deep Generative Modeling |m Chinese

• 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 辽批 |c 20241008

• 905 __ |a AUSTL |d TP181/T539