توضیحات

آموزش رایانش کوانتومی – مقدمه ای بر یادگیری ماشین کوانتومی

نام دوره : QC101 Quantum Computing & Intro to Quantum Machine Learning

پیش نیاز:

• سطح ریاضی و فیزیک معادل کلاس دوازدهم دبیرستان
• شما باید ریاضی و فیزیک را تا سطح کلاس دوازدهم دبیرستان خوانده باشید و از آن لذت برده باشید. رایانش کوانتومی بیشتر در مورد ریاضیات و فیزیک است و کدنویسی کمی در آن دخیل است.
• ریاضی در سطح کلاس دوازدهم: اعداد مختلط، جبر خطی، احتمال، آمار و منطق بولی

توضیحات

به دوره پرفروش رایانش کوانتومی در Udemy خوش آمدید!

رایانش کوانتومی موج بعدی در صنعت نرم‌افزار است.

کامپیوترهای کوانتومی به شکل تصاعدی سریع‌تر از کامپیوترهای کلاسیک امروزی هستند.

مسائلی که تا پیش از این برای حل توسط کامپیوترها بسیار سخت محسوب می‌شدند، مانند شبیه‌سازی چینش پروتئین‌ها در سیستم‌های زیستی و شکستن رمزنگاری RSA، اکنون با کمک کامپیوترهای کوانتومی قابل حل هستند.

کامپیوترهای کوانتومی چقدر سریع هستند؟

یک کامپیوتر کوانتومی ۶۴ بیتی می‌تواند در هر گام محاسبه، ۳۶ میلیارد میلیارد بایت اطلاعات پردازش کند.

این را با ۸ بایتی که کامپیوتر خانگی شما در هر گام محاسبه پردازش می‌کند مقایسه کنید!

شرکت‌هایی مانند گوگل، اینتل، IBM و مایکروسافت میلیاردها دلار در تلاش برای ساخت کامپیوترهای کوانتومی سرمایه‌گذاری کرده‌اند.

اگر شما در حال حاضر رایانش کوانتومی را بیاموزید، برای بهره‌مندی از این انقلاب فناوری آماده خواهید بود.

این دوره رایانش کوانتومی را از ابتدا آموزش می‌دهد. تنها پیش‌نیازی که نیاز دارید ریاضی و فیزیک در سطح کلاس دوازدهم است.

مهم: شما باید به فیزیک و ریاضی علاقه‌مند باشید تا از این دوره بهره‌مند شوید. این دوره بیشتر در مورد تحلیل رفتار مدارهای کوانتومی با استفاده از ریاضی و فیزیک کوانتومی است. در حالی که همه مواردی که شما فراتر از سطح دبیرستان نیاز دارید در اینجا توضیح داده شده است، باید بدانید که فیزیک کوانتومی یک موضوع فوق‌العاده دشوار است و ممکن است نیاز داشته باشید ویدئوها را متوقف کنید و بخش‌هایی از درس را مجدداً تماشا کنید تا آن را بفهمید.

یادگیری ماشین کوانتومی

به نظر می‌رسد که برنامه کاربردی اصلی رایانش کوانتومی، یادگیری ماشین و هوش مصنوعی خواهد بود.

الگوریتم‌های یادگیری ماشین کوانتومی سرعت بسیار زیادی در آموزش مدل‌ها فراهم می‌کنند و این می‌تواند به پیش‌بینی‌های دقیق‌تری منجر شود.

در حالی که درک الگوریتم‌های کوانتومی نیاز به تسلط بر ریاضیات پیچیده دارد، استفاده از یادگیری ماشین کوانتومی نسبتاً ساده است.

Qiskit الگوریتم‌های یادگیری ماشین را در API ای کپسوله می‌کند که مانند ابزار یادگیری ماشین محبوب Scikit-Learn است، بنابراین می‌توانید از یادگیری ماشین کوانتومی تقریباً به همان سادگی یادگیری ماشین سنتی استفاده کنید.

محتوای دوره آموزش رایانش کوانتومی – مقدمه ای بر یادگیری ماشین کوانتومی

ما با یادگیری ریاضیات پایه شروع می‌کنیم. شما ممکن است ریاضیاتی که در دبیرستان آموخته‌اید را فراموش کرده باشید، بنابراین من جبر خطی، احتمال، جبر بولی و اعداد مختلط را مرور خواهم کرد.

سپس ما به بررسی فیزیک کوانتومی خواهیم پرداخت و نحوه عملکرد مدارهای کوانتومی را با استفاده از Microsoft Q# و IBM Qiskit بررسی خواهیم کرد.

دوره آموزش رایانش کوانتومی – مقدمه ای بر یادگیری ماشین کوانتومی برای چه کسانی مناسب است:

• متخصصین نرم‌افزار و مدیران فنی که به یادگیری رایانش کوانتومی علاقه‌مندند و از ریاضی و فیزیک لذت می‌برند.
• متخصصین یادگیری ماشین و هوش مصنوعی که می‌خواهند بدانند چگونه می‌توان از رایانش کوانتومی در علم داده استفاده کرد.

بخشی از دوره :