Kvantové strojové učení
Kód | Zakončení | Kredity | Rozsah | Jazyk výuky |
---|---|---|---|---|
QNI-QML | Z,ZK | 5 | 2P+1C | anglicky |
- Garant předmětu:
- Přednášející:
- Cvičící:
- Předmět zajišťuje:
- katedra aplikované matematiky
- Anotace:
-
Cílem předmětu je uvést studenty do problematiky kvantového strojového učení. Studenti se nejprve teoreticky i prakticky seznámí s kvantovou reprezentací klasických dat. Dále se v rámci scénáře učení s učitelem budou zabývat především jádrovými metodami, kvantovým SVM modelem a také využitím kvantových variačních metod. V předmětu budou též představeny kvantové neuronové sítě a v rámci scénáře učení bez učitele také kvantové generativní adversariální modely. Primárním zaměření předmětu jsou kvantové algoritmy pro klasická data. Na cvičeních se k práci s daty a modely budou využívat knihovny pandas a qiskit pro jazyk Python.
- Požadavky:
- Osnova přednášek:
-
1. Úvod, kvantová reprezentace klasických dat.
2. Quantum random access memory.
3. Kvantové PCA.
4. Kvantové K-means a hierarchické shlukování.
5. Metoda nejbližších sousedů.
6. Kvantové jádrové metody.
7. Kvantové SVM.
8. Hluboké kvantové učení - úvod.
9. Classical and quantum Boltzmann machine.
10. Kvantové generativní adversariální sítě.
11. Kvantový perceptron.
12 vantové neuronové sítě.
13. Strojové učení pro kvantová data.
- Osnova cvičení:
-
1) Úvod, kvantová reprezentace klasických dat, Amlitudové kódování dat
2) Kvantové jádrové metody
3) Kvantové SVM
4) Kvantové K-means a hierarchické shlukování
5) Kvantové generativní adversariální modely
6) Kvantové neuronové sítě
- Cíle studia:
-
Cílem předmětu je uvést studenty do problematiky kvantového strojového učení. Studenti se nejprve teoreticky i prakticky seznámí s kvantovou reprezentací klasických dat. Dále se v rámci scénáře učení s učitelem budou zabývat především jádrovými metodami, kvantovým SVM modelem a také využitím kvantových variačních metod. V předmětu budou též představeny kvantové neuronové sítě a v rámci scénáře učení bez učitele také kvantové generativní adversariální modely. Primárním zaměření předmětu jsou kvantové algoritmy pro klasická data. Na cvičeních se k práci s daty a modely budou využívat knihovny pandas a qiskit pro jazyk Python.
- Studijní materiály:
-
1. Schuld, M., Petruccione, F.: Machine Learning with Quantum Computers
Springer 2021
ISBN 978-3-030-83097-7
2. Ganguly, S.: Quantum Machine Learning: An Applied Approach
Apress 2021
ISBN 978-1-4842-7097-4
3. Pastorello, D.: Concise Guide to Quantum Machine Learning
Springer 2023
ISBN 978-981-19-6896-9
- Poznámka:
-
Informace o předmětu a výukové materiály naleznete na https://courses.fit.cvut.cz/QNI-QML
- Další informace:
- https://courses.fit.cvut.cz/QNI-QML
- Pro tento předmět se rozvrh nepřipravuje
- Předmět je součástí následujících studijních plánů:
-
- Kvantová informatika (povinně volitelný předmět)