Kontaktirajte nas
 Trajanje 21 sati

Sadržaj kursa

Uvod u integraciju kvantne AI tehnologije

  • Motivacije za hibridnu kvantno-klasnu inteligenciju
  • Ključne prilike i trenutne tehnološke barijere
  • Pozicioniranje Google Willow-a u kontekstu kvantne AI tehnologije

Ahitektura i mogućnosti Google Willow-a

  • Pregled sistema i struktura seta alata
  • Podržane kvantne operacije i sklop funkcija
  • API-ji za napredno eksperimentisanje

Hibridni kvantno-klasični modeli

  • Delenje zadataka između kvantnih i klasičnih komponenti
  • Strategije kodiranja podataka za učenje poboljšano kvantnom tehnologijom
  • Radni tokovi pripreme stanja i merenja

Algoritmi kvantnog mašinskog učenja

  • Varijacioni kvantni krugovi za AI zadatke
  • Kvantna jezgra i mape funkcija
  • Petlje optimizacije za hibridne modele

Izgradnja AI pipeline-a za kvantnu AI tehnologiju sa Willow-om

  • Razvoj hibridnih modela od kraja do kraja
  • Kombinovanje Willow-a sa TensorFlow Quantum-om
  • Testiranje i validacija prototipova kvantne AI tehnologije

Optimizacija performansi i upravljanje resursima

  • Razvoj AI modela svesnog šuma
  • Upravljanje ograničenjima za računanje u hibridnim sistemima
  • Merenje performansi kvantne AI tehnologije

Primene i nove primene

  • Analiza podataka poboljšana kvantnom tehnologijom
  • Optimizacija vođena AI-om sa kvantnom akceleracijom
  • Potencijal uvođenja između industrija

Budući trendovi u konvergenciji kvantne AI tehnologije

  • Putokazi za kvantne AI sisteme velikih razmera
  • Arhitektonski napreci i evolucija hardvera
  • Pravci istraživanja koji oblikuju granicu kvantne AI tehnologije

Zaključak i sledeći koraci

Uslovi

  • Razumevanje koncepta kvantnog računarstva
  • Izgradnja iskustva sa okvirima za mašinsko učenje
  • Znanje o hibridnim kvantno-kласičnim radnim tokovima

Javna

  • Inženjeri veštačke inteligencije
  • Stručnjaci za mašinsko učenje
  • Istraživači kvantnog računarstva

Broj učesnika


Cena po učesniku

Predstojeći kursevi

Povezane kategorije