수성대학교 전자책도서관

책소개

이 책은 딥러닝 기초부터 최신 생성 AI 모델까지 설명합니다. 텐서플로와 케라스를 사용해 변이형 오토인코더(VAE), 생성적 적대 신경망(GAN), 트랜스포머, 노멀라이징 플로 모델, 에너지 기반 모델, 잡음 제거 확산 모델 등 인상적인 생성 딥러닝 모델을 만드는 법을 다룹니다. 다양한 생성 AI 활용법을 배워 모델을 효율적으로 학습시키고 창의적인 생성 모델을 만들어보세요.

저자소개

"(David Foster)
크리에이티브 AI 애플리케이션을 전문으로 다루는 데이터 과학자이자 기업가, 교육자. ADSP의 공동 창립자이며 조직이 데이터와 AI의 혁신적 힘을 활용하도록 영감을 주고 역량을 강화하는 일을 합니다. 영국의 케임브리지 대학교 트리니티 칼리지에서 수학 석사 학위를, 워릭 대학교에서 운영 연구 석사 학위를 받았습니다. 머신러닝 연구소의 교수진으로 실용적인 AI 애플리케이션과 실전 문제 해결에 중점을 두고 있습니다. AI 알고리즘의 투명성과 해석 가능성을 높이는 데 관심이 있으며, 의료 분야에서 설명 가능한 머신러닝에 관한 논문을 발표했습니다."

"[PART 1 생성 딥러닝 소개]
CHAPTER 1 생성 모델링
_1.1 생성 모델링이란?
_1.2 첫 번째 생성 모델
_1.3 핵심 확률 이론
_1.4 생성 모델 분류
_1.5 생성 딥러닝 예제 코드
_1.6 요약
CHAPTER 2 딥러닝
_2.1 딥러닝용 데이터
_2.2 심층 신경망
_2.3 다층 퍼셉트론
_2.4 합성곱 신경망
_2.5 요약
[PART 2 6가지 생성 모델링 방식]
CHAPTER 3 변이형 오토인코더
_3.1 소개
_3.2 오토인코더
_3.3 변이형 오토인코더
_3.4 잠재 공간 탐색하기
_3.5 요약
CHAPTER 4 생성적 적대 신경망
_4.1 소개
_4.2 심층 합성곱 GAN(DCGAN)
_4.3 와서스테인 GAN-그레이디언트 페널티(WGAN-GP)
_4.4 조건부 GAN(CGAN)
_4.5 요약
CHAPTER 5 자기회귀 모델
_5.1 소개
_5.2 LSTM 네트워크 소개
_5.3 RNN 확장
_5.4 PixelCNN
_5.5 요약
CHAPTER 6 노멀라이징 플로 모델
_6.1 소개
_6.2 노멀라이징 플로
_6.3 RealNVP
_6.4 다른 노멀라이징 플로 모델
_6.5 요약
CHAPTER 7 에너지 기반 모델
_7.1 소개
_7.2 에너지 기반 모델
_7.3 요약
CHAPTER 8 확산 모델
_8.1 소개
_8.2 잡음 제거 확산 모델
_8.3 요약
[PART 3 생성 모델링의 응용 분야]
CHAPTER 9 트랜스포머
_9.1 소개
_9.2 GPT
_9.3 다른 트랜스포머
_9.4 요약
CHAPTER 10 고급 GAN
_10.1 소개
_10.2 ProGAN
_10.3 StyleGAN
_10.4 StyleGAN2
_10.5 그 외 중요한 GAN
_10.6 요약
CHAPTER 11 음악 생성
_11.1 소개
_11.2 음악 생성을 위한 트랜스포머
_11.3 MuseGAN
_11.4 요약
CHAPTER 12 월드 모델
_12.1 소개
_12.2 강화 학습
_12.3 월드 모델 개요
_12.4 랜덤한 롤아웃 데이터 수집
_12.5 VAE 훈련
_12.6 MDN-RNN 훈련 데이터 수집
_12.7 MDN-RNN 훈련
_12.8 컨트롤러 훈련
_12.9 꿈속에서 훈련하기
_12.10 요약
CHAPTER 13 멀티모달 모델
_13.1 소개
_13.2 DALL?E 2
_13.3 Imagen
_13.4 스테이블 디퓨전
_13.5 플라밍고
_13.6 요약
CHAPTER 14 결론
_14.1 생성 AI의 타임라인
_14.2 생성 AI의 현재 상태
_14.3 생성 AI의 미래
_14.4 마지막 의견"

책소개

저자소개

목차