【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 PixelCNNchapter 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 GANchapter 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 Flamingochapter 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
邊緣AI｜使用嵌入式機器學習解決真實世界的問題 推薦系統實踐入門｜可應用於工作上的指引 機器學習的訓練資料