Getting Started with Quantum Machine Learning

3.5
별점

19개의 평가

제공자:
학습자는 이 안내 프로젝트에서 다음을 수행하게 됩니다.

Utilize Pennylane.ai as a cross-platform Python library for differentiable programming of quantum computers.

Learn the workflow for developing with Pennylane.ai and build a custom Pennylane.ai Plugin

Convert a Tensorflow Keras network Quantum by layer.

2 hours
고등
다운로드 필요 없음
분할 화면 동영상
영어
데스크톱 전용

In this 2-hour long project-based course, you will learn basic principles of how machine learning can benefit from work, and how this can be implemented in Python using the Pennylane library by Xanadu. The Future is Quantum. You've heard the hype. Quantum Computing represents a completely new paradigm in the computing realm, posed to revolutionize entire industries and bring amazing new innovations as they are used for purposes such as material design, pharmaceutical design, genetic and molecular simulations, and weather simulations. The most exciting advancement just may be in the field of Artificial Intelligence and Machine Learning. Quantum computers can theoretically speed up matrix multiplications and process massive amounts of data very quickly, and thus may represent a paradigm shift in AI and ML. Most of this work is yet to be done. That's where you come in. In this project, you will learn how to utilize several software libraries to code quantum algorithms and encode data for use in both classical simulations of quantum devices or actual quantum devices that are available for use over the Internet through vendors such as IBM. I would encourage learners to experiment- How easy is it to add more layers without using frameworks like Tensorflow? What if we add more nodes? What limitations do we come across? The learner is highly encouraged to experiment beyond the scope of the course. Note: This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.

개발할 기술

  • Matrix Multiplication

  • Molecular Modelling

  • Differentiable Function

  • Matrices

단계별 학습

작업 영역이 있는 분할 화면으로 재생되는 동영상에서 강사는 다음을 단계별로 안내합니다.

  1. Learn the Bare Basics of Quantum Computing and Quantum Machine Learning or QML.

  2. Learn how Pennylane.ai is used and what it does.

  3. Build Qnodes and Customized Templates

  4. Calculating Autograd and Loss Function with Quantum Computing using Pennylane

  5. Developing with the Pennylane.ai API

  6. Building your own Pennylane Plugin

  7. Turning Quantum Nodes into Tensorflow Keras Layers

안내형 프로젝트 진행 방식

작업 영역은 브라우저에 바로 로드되는 클라우드 데스크톱으로, 다운로드할 필요가 없습니다.

분할 화면 동영상에서 강사가 프로젝트를 단계별로 안내해 줍니다.

검토

GETTING STARTED WITH QUANTUM MACHINE LEARNING의 최상위 리뷰

모든 리뷰 보기

자주 묻는 질문

안내 프로젝트를 구매하면, 시작에 필요한 파일과 소프트웨어가 포함된 클라우드 데스크톱 작업 영역에 웹 브라우저를 통해 접근할 수 있으며, 주제 전문가의 단계별 동영상 지침 등 프로젝트 완료에 필요한 모든 것이 제공됩니다.

귀하의 작업 영역에는 노트북이나 데스크톱 컴퓨터에 맞게 용량이 지정된 클라우드 데스크톱이 포함되어 있으므로 모바일 기기에서는 안내 프로젝트를 이용할 수 없습니다.

안내 프로젝트 강사는 해당 주제의 전문가로서, 해당 프로젝트 영역이나 도구, 기술에 대한 경험이 풍부하며 전 세계 수백만 명의 학습자와 지식을 적극적으로 공유합니다.

안내 프로젝트에서 생성된 파일은 모두 다운로드하고 보관할 수 있습니다. 클라우드 데스크톱에 접속한 상태에서 '파일 브라우저'를 사용하여 파일을 다운로드할 수 있습니다.

안내 프로젝트는 환불이 불가능합니다. 전체 환불 정책 보기

안내 프로젝트에는 재정 지원이 제공되지 않습니다.

안내 프로젝트의 청강은 할 수 없습니다.

페이지 상단에서 이 안내 프로젝트에 대한 경험 수준을 누르면 우선적으로 알아야 하는 지식을 확인할 수 있습니다. 안내 프로젝트의 단계마다 강사가 차례대로 안내해 드립니다.

네, 브라우저를 통해 이용할 수 있는 클라우드 데스크톱에서 안내 프로젝트 완료에 필요한 모든 것을 이용할 수 있습니다.

브라우저의 분할 화면 환경에서 바로 작업을 완료하여 학습할 수 있습니다. 화면 왼쪽에 있는 작업 영역에서 작업을 완료할 수 있습니다. 화면 오른쪽에서는 강사의 단계별 프로젝트 안내를 볼 수 있습니다.