生成建模是人工智能中最热门的话题之一。如今我们可以教机器绘画、写作和作曲，甚至在这些方面超越人类。机器学习工程师和数据科学家可以通过本书的学习，掌握如何构建最先进的生成式深度学习模型，例如变分自动编码器、生成对抗网络（GAN）、编码器一解码器模型，以及世界模型等。
本书的作者在书中介绍了各项技术的内部工作原理，从最基础的使用Keras构建深度学习模型开始，深入浅出地介绍了该领域最先进的算法。你可以通过书中的技巧和窍门，学习如何构建能够更有效地学习以及更具创造力的模型。

大卫·福斯特是Applied data Science公司的联合创始人，这是一家为客户提供创新解决方案的数据科学咨询公司。他拥有英国剑桥大学三一学院数学硕士学位和华威大学运筹学硕士学位。

前言
第一部分 生成式深度学习概述
第1章 生成建模
1.1 什么是生成建模？
1.1.1 生成建模与判别建模
1.1.2 机器学习的发展
1.1.3 生成建模的兴起
1.1.4 生成建模的框架
1.2 概率生成模型
1.2.1 你好，wrodl！
1.2.2 你的第一个概率生成模型
1.2.3 朴素贝叶斯
1.2.4 你好，wrodl！续篇
1.3 生成建模的难题
表示学习
1.4 设置环境
1.5 小结
第2章 深度学习
2.1 结构化与非结构化数据
2.2 深度神经网络
Keras和TensorFlow
2.3 第一个深度神经网络
2.3.1 加载数据
2.3.2 建立模型
2.3.3 编译模型
2.3.4 训练模型
2.3.5 评估模型
2.4 改进模型
2.4.1 卷积层
2.4.2 批标准化
2.4.3 Dropout层
2.4.4 结合所有层
2.5 小结
第3章 变分自动编码器
3.1 画展
3.2 自动编码器
3.2.1 第一个自动编码器
3.2.2 编码器
3.2.3 解码器
3.2.4 连接编码器与解码器
3.2.5 分析自动编码器
3.3 变化后的画展
3.4 构建变分自动编码器
3.4.1 编码器
3.4.2 损失函数
……
第二部分 教机器绘画、写作、作曲和玩游戏
作者介绍
封面介绍