一、主讲老师

• 周水庚教授 (sgzhou@fudan.edu.cn）

• 办公室：江湾校区交叉二号楼D4021室

• 电话：31242359

• 主页：https://webplus.fudan.edu.cn/sgzhou/main.psp

二、课程性质

　　3学分学位专业课，共16周56学时

三、预修课程

　　概率论，统计分析，程序设计，算法导论，机器学习

四、课程简介

　　生成模型(Generative Model)是概率统计、机器学习和深度学习中的一类重要模型，通常用于随

机生成可观测数据，如图像、文本、声音等。本课程面向研究生(特别是博士生)，介绍各种重要生成

模型，如自回归模型、变分自编码器、生成对抗网络等的基本原理与关键技术，学习如何从未知的概

率分布中取样。目前，生成模型是一个非常活跃的研究领域，本课程介绍的大多数模型都是最近10年

中发展的。因此，本课程与当前的研究进展紧密结合，将提供学生阅读该领域最新论文所需的背景知

识。此外，本课程还将介绍生成模型方法在图像、视频、文本、声音和生物医学等领域的实际应用。

五、教学目标

　　通过本课程的学习，让学生达到以下几个目标：

  1.了解生成模型的相关背景知识，能够无障碍地阅读该领域最新的研究论文；

  2.针对若干重要的生成模型，熟悉其基本的建模过程、算法原理以及关键技术；

  3.针对若干应用领域，学会选择合适的生成模型，并进行算法实现；

  4.启发学生思维，提出新的模型，将模型应用于解决实际问题。

六、参考教材

• 《Machine Learning:A Probabilistic Perspective》Kevin Murphy, 2012.9.7

• 《Deep Generative Modeling》Jakub M.Tomczak，2022

• 近10年相关学术期刊(IEEE,TPAMI,AI,JMLR等)、会议(ICML,ICLR,ICCV,NeurIPS,CVPR,AAAI,IJCAI

  等)论文
  

七、课程考核

• 成绩计算：出勤20% + 论文报告30% + 课程论文50%

八、课程安排