I denne praktiske boken vil maskinlæringsingeniører og datavitere få innsikt i hvordan man kan gjenopprette noen av de mest imponerende eksemplene på generative dype læringsmodeller. Boken dekker emner som variational autoencoders (VAEs), generative adversarial networks (GANs), Transformers, normalizing flows, energibaserte modeller og diffusive modeller. Hver av disse metodene blir nøye forklart, og leserne får muligheten til å anvende teoriene i praksis.
