lo adottano, in 1 ateneo1 docente · 1 corso di laurea
Scheda libro
Titolo
Generative deep learning
Autori
Foster, David <1988- > David Foster ; foreword by Karl Friston
Editore
O'Reilly, 2023
Edizione
2023
ISBN
9781098134181
Lingua
Inglese
Pagine
426
Tipo
Manuale universitario
Studio
≈ 4,5 settimane
Cosa si studia con questo libro Foster – Generative Deep Learning: di cosa parla
Manuale in lingua inglese sul deep learning generativo, che insegna alle macchine a dipingere, scrivere e comporre. Il volume presenta le principali architetture, come autoencoder, reti generative avversarie e modelli autoregressivi, con esempi di codice e applicazioni a immagini, testo e musica. È adatto a chi frequenta insegnamenti dedicati ai metodi e alle applicazioni dell'apprendimento generativo nei corsi di informatica e ingegneria, come introduzione pratica alle tecniche di sintesi di contenuti. Il livello è intermedio e richiede una conoscenza di base di programmazione e apprendimento automatico.
Dove acquistarlo Foster – Generative Deep Learning: prezzo nuovo e usato su Amazon, IBS e Libraccio
Di cosa si tratta: Teoria della probabilità e dell'informazione come base per i modelli generativi: panoramica di CNN, UNet e Transformers, quindi generazione di immagini con autoencoder variazionali, reti generative avversarie, modelli di diffusione e flow matching, con limiti e prospettive. Segue il trattamento dei modelli di linguaggio: tokenizer, embedder, next-token prediction, pre-training e fine-tuning.
Prezzi rilevati il 19/11/2026: possono cambiare, fa fede il sito del negozio.
Domande frequenti su Foster – Generative Deep Learning
Per quale esame serve Foster – Generative Deep Learning?
È indicato per Generative Ai: Metodi e Applicazioni a Bologna, dal prof. Davide Evangelista. A.a. 2026/2027.
Quali libri indica il prof. Davide Evangelista per Generative Ai: Metodi e Applicazioni?
Per Generative Ai: Metodi e Applicazioni (Bologna) il prof. Davide Evangelista indica Foster – Generative Deep Learning; l'elenco completo dei testi, obbligatori e facoltativi, è nella sezione «Chi lo adotta» di questa pagina.
Qual è il prezzo migliore di Foster – Generative Deep Learning?
Prezzi rilevati: Feltrinelli 79,99 €. Il comparatore prezzi di questa pagina mette a confronto Amazon, IBS e Libraccio, nuovo e usato: su Amazon il prezzo aggiornato è nella scheda del negozio.
Quanto tempo serve per studiare Foster – Generative Deep Learning?
≈ 4,5 settimane: il tempo è calcolato sulle pagine del libro e sui crediti dell'esame.
Qual è l'ISBN di Foster – Generative Deep Learning?
L'ISBN è 9781098134181 (editore O'Reilly).
Sei uno studente tra i 18 e i 22 anni?Con Prime Student hai 90 giorni gratis, poi Amazon Prime a soli 2,49 € al mese: consegne veloci e gratuite anche sui libri.Scopri Prime Student ›
Come leggere questi datiCome è calcolata la difficoltà ›
Crediti (CFU)
50%
1 CFU = 25 ore di studio (dato ufficiale). Più crediti, più ore.
Densità di lettura
50%
pagine dei libri indicati divisi per i CFU (pagine dalla scheda SBN; se non note, una stima di 400 pagine a libro).
Ogni esame si confronta solo con quelli della sua area (scientifico-tecnica, umanistica, giuridico-sociale, sanitaria, economica): un esame di lettere non viene misurato con matematica. Il numero 1-10 è la posizione dell'esame nella sua area; per il libro si fa la media degli esami che lo adottano. Non contano anno di corso, laurea triennale o magistrale e lunghezza del programma: non dicono quanto si studia. È una stima del carico, non una difficoltà misurata.
Atenei e facoltà in ordine di diffusione. Per ogni esame: docente, corso di laurea, facoltà e il confronto con gli altri libri che indica.
Controlla sempre la scheda dell'esame. Le informazioni vengono dalle schede ufficiali degli atenei e possono cambiare o contenere errori: prima di acquistare verifica i testi sulla scheda ufficiale dell'esame (la trovi linkata in ogni esame) e, nel dubbio, chiedi al docente.
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.
Questo sito usa solo strumenti tecnici (nessun cookie di profilazione). I link ai negozi sono link di affiliazione. Cookie policy · Privacy