Jakub Langr（著者）：Jakub Langr：2013年からデータサイエンティストとして活動し、Filtered.comやMudanoのデータサイエンス・コンサルタントとして働いている。バーミンガム大学のデータサイエンスコースの指導や、オックスフォード大学の客員講師をつとめる。オックスフォード大学を卒業。
Vladimir Bok：旅行サイト向けのデータサイエンス会社であるIntent Mediaのシニアプロダクトマネージャ。機械学習のリサーチとインフラ整備などで活動している。Y Combinatorに支援を受けたスタートアップでのデータサイエンス応用やMicrosoft Researchのプログラムマネージャーも経験した。ハーバード大学でコンピュータサイエンスの学位を取得。
大和田茂（翻訳）：博士（情報理工）、保育士。株式会社ソニーコンピュータサイエンス研究所所属。ユーザインタフェースに関心があり、学生時代はコンピュータグラフィックス、就職してからはスマートハウスを題材としてきた。萌家電、OpenECHO、PicoGW、NanoGWなどを開発。最近は保育士支援システムに関心を持ち、画像処理に機械学習を利用している。

GAN（Generative Adversarial Networks）、敵対的生成ネットワークとはIan Goodfellowらによって生み出された機械学習技術の一種です。2つの分離したニューラルネットワークを使うことで、実物と見まごうほどリアルな画像を生成することを可能としました。
本書はGAN（敵対的生成ネットワーク）を学びたい方のために入門から実装まで、理論を交えつつ解説していきます。本書全体を通じてJupyter Notebooksを使い、実装はPython、Kerasで行っていきますがいくつかの章ではGoogle ColaboratoryのNotebooksを提供します。
数学や関しては最小限のものに限っていますが、機械学習とニューラルネットワーク、Pythonプログラミングについてある程度の経験がある方を主な対象読者としています。

本書の目的は、GANが達成してきたことを理解するための知識と道具を提供し、新しい応用を見つけ作り出す力をつけていただくことです。GANは多くの可能性に満ちていますから、意欲的な方々であれば学術界・実世界に大きなインパクトを与えられることでしょう。


Part 1 GANと生成モデル入門
1章 GANことはじめ
2章 オートエンコーダを用いた生成モデル
3章 はじめてのGAN：手書き文字の生成
4章 DCGAN
Part 2 GANの高度な話題
5章 学習と頻出する課題：GANの成功を求めて
6章 GANの成長
7章 半教師あり学習
8章 条件付きGAN
9章 CycleGAN
Part 3 次にどこを目指すか
10章 対抗例
11章 GANの実用化
12章 今後の展望