Quantum Machine Learning cu Python: Utilizarea Cirq de la Google Research și IBM Qiskit

Recenzii ale cititorilor

Cartea este menită să ofere o perspectivă asupra învățării cuantice a mașinilor, dar în mare măsură nu răspunde așteptărilor, conținând mai degrabă materiale ușor accesibile decât ghiduri aprofundate sau conținut original. Cartea este cea mai potrivită pentru practicienii care au deja o anumită pregătire în domeniul calculului cuantic. Deși oferă informații utile, îi lipsesc originalitatea și profunzimea, ceea ce îl face mai puțin valoros pentru cei care au deja cunoștințe în domeniu.

⬤ Unele conținuturi sunt materiale introductive bine scrise
⬤ util pentru practicienii care doresc să învețe calculul cuantic
⬤ acoperă subiecte de bază privind învățarea mașinilor cuantice.

⬤ Lipsit de profunzime și originalitate
⬤ în mare parte o colecție de resurse existente
⬤ multe greșeli de scriere
⬤ explicații slabe ale codului
⬤ necesită îmbunătățiri în ceea ce privește aspectele pedagogice
⬤ poate să nu merite achiziția pentru cei familiarizați cu subiectul.

(pe baza a 6 recenzii ale cititorilor)

Titlul original:

Quantum Machine Learning with Python: Using Cirq from Google Research and IBM Qiskit

Conținutul cărții:

Ajungeți rapid la fundamentele calculului cuantic și ale învățării automate cuantice și la matematica aferentă și expuneți-le la diferite cazuri de utilizare care pot fi rezolvate prin algoritmi cuantici. Această carte explică calculul cuantic, care valorifică proprietățile mecanice cuantice ale particulelor subatomice. De asemenea, ea examinează învățarea automată cuantică, care poate ajuta la rezolvarea unora dintre cele mai dificile probleme în previziuni, modelare financiară, genomică, securitate cibernetică, logistica lanțului de aprovizionare, criptografie și altele.

Veți începe prin revizuirea conceptelor fundamentale ale calculului cuantic, cum ar fi notațiile Dirac, Qubits și starea Bell, urmate de postulatele și fundamentele matematice ale calculului cuantic. Odată ce baza fundamentală este stabilită, veți aprofunda algoritmii cuantici, inclusiv transformarea Fourier cuantică, estimarea fazei și HHL (Harrow-Hassidim-Lloyd), printre altele.

Veți face apoi cunoștință cu algoritmii cuantici de învățare automată și cu algoritmii cuantici de învățare profundă, împreună cu subiecte avansate privind procesele adiabatice cuantice și optimizarea bazată pe cuantice. Pe parcursul cărții, există implementări Python ale diferiților algoritmi de învățare automată cuantică și de calcul cuantic utilizând setul de instrumente Qiskit de la IBM și Cirq de la Google Research.

Ce veți învăța

⬤ Înțelegeți calculul cuantic și învățarea automată cuantică.

⬤ Explorați domenii variate și scenarii în care pot fi aplicate soluții de învățare automată cuantică.

⬤ Să dezvolte expertiză în dezvoltarea de algoritmi în diverse cadre de calcul cuantic.

⬤ Examinați provocările majore ale construirii computerelor cuantice la scară largă și ale aplicării diverselor sale tehnici.

Pentru cine este această carte?

Pasionaților de Machine Learning și inginerilor care doresc să treacă rapid la Quantum Machine Learning.