Boken "Deep Generative Modeling" er en grundig utforskning av de dype generative modellene som driver Generative AI. Denne første omfattende utgivelsen er nøye revidert og dekker alle de viktigste klassene av dype generative modeller, inkludert blandingsmodeller, probabilistiske kretser, autoregressive modeller, flow-baserte modeller, latente variabelmodeller, Generative Adversarial Networks (GANs), hybride modeller, score-baserte generative modeller, energibaserte modeller og storskalige språkmodeller. I tillegg tar boken for seg generative AI-systemer, noe som demonstrerer hvordan dype generative modeller kan benyttes til neural kompresjon, blant annet. "Deep Generative Modeling" er utformet for å appellere til nysgjerrige studenter, ingeniører og forskere som har en grunnleggende matematisk bakgrunn i kalkulus, lineær algebra, sannsynlighetsteori samt kjennskap til maskinlæring, dyp læring og programmering i Python og PyTorch eller andre dype læringsbiblioteker. Boken vil fenge interesse hos studenter og forskere fra ulike fagområder, inkludert datavitenskap, ingeniørfag, datavitenskap, fysikk og bioinformatikk som ønsker å utvide sin forståelse av dette spennende feltet.
