TSIT06 · Linköpings universitet
Kvantmaskininlärning
Ny kurs
Inga tentor än
Ladda upp dina tidigare tentor och få hjälp med att strukturera ditt studiematerial
Få dina tentauppgifter kategoriseradeBli guidad genom ditt studiematerialFå hjälp direkt med teori och tipsHåll koll på dina framsteg
HP
6
Språk
Svenska
Nivå
Avancerad nivå
Fakultet
Tekniska fakulteten
Institution
Institutionen för systemteknik
Lärandemål
Efter genomförd kurs ska man kunna
- använda relevanta begrepp och metoder inom kvantmaskininlärning för att formulera, strukturera och lösa praktiska problem.
- göra inferens för parametrar i kvantmaskininlärningsmodeller.
- utvärdera och välja bland modeller.
- kunna implementera kvantmaskininlärningsmodeller och algoritmer i ett programmeringspråk.
Kursinnehåll
- Introduktion till maskininlärning, och introduktion till kvantdatorer, kort om kvantmekanik
- Att representera klassiska data i kvantsystem, kodning och inbäddning, kvantdatarepresentation och kvantmekanisk feature map
- Kvantalgoritmer för maskininlärning, kvantklassificerare, kvantmekaniska kernel-methods, kvantmekanisk klustring
- Kvantmekaniska variationskretsar, kvantmekaniska neurala nätverk, kvantmekaniska neurala faltningsnätverk (QCNNs), kvantmekanisk federerad inlärning (QFL), kvantmekanisk förstärkningsinlärning (QRL), kvantmekanisk multimodal inlärning
- Forskningsinriktningar inom området
- Tillämpningar av QML i språkmodeller, datorseende, hälso- och sjukvård, medicindesign, transport och intrångsdetektion
Förutsättningar
- Kvantalgoritmer och kvantinformation, Maskininlärning
Litteratur
Machine Learning with Quantum Computers - Schuld & Petruccione
Liknande kurser vid andra universitet
Gör som 15 000+ studenter och ta kontroll över ditt tentaplugg.
Kom igång gratis