Kvantové strojové učení: Aplikovaný přístup: Teorie a aplikace kvantového strojového učení ve vědě a průmyslu: Aplikovaný přístup

Recenze čtenářů

Kniha o kvantovém strojovém učení (QML) získala od uživatelů smíšené hodnocení, někteří chválí její hloubku a praktické příklady, zatímco jiní kritizují její styl psaní a srozumitelnost, zejména pro začátečníky. Je vnímána jako text na profesionální úrovni, který vyžaduje předchozí znalosti.

Kniha vyplňuje významnou mezeru v oblasti kvantového strojového učení a obsahuje praktické příklady, programování na platformách D-Wave a podrobné vysvětlení. Je označována za komplexní zdroj informací pro odborníky, studenty a výzkumné pracovníky s příslušnými znalostmi.

Spis je kritizován za špatnou strukturu a nedostatečnou srozumitelnost, zejména pro začátečníky. Některé klíčové termíny a pojmy nejsou před jejich zavedením dostatečně definovány, což některé čtenáře zklamalo. Kniha je považována za nevhodnou pro ty, kteří nemají základní znalosti kvantové informatiky.

(na základě 4 hodnocení čtenářů)

Původní název:

Quantum Machine Learning: An Applied Approach: The Theory and Application of Quantum Machine Learning in Science and Industry

Obsah knihy:

Umět přizpůsobit kvantové výpočty a algoritmy strojového učení. Tato kniha vás zavede na praktickou cestu do kvantového strojového učení (QML) prostřednictvím různých možností dostupných v průmyslu a výzkumu.

První tři kapitoly nabízejí vhled do kombinace vědy kvantové mechaniky a technik strojového učení, kde se setkávají koncepty klasických informačních technologií se silou fyziky. V dalších kapitolách následuje systematický hluboký ponor do různých algoritmů kvantového strojového učení, kvantové optimalizace, aplikací pokročilých algoritmů QML (kvantové k-means, kvantové k-mediány, kvantové neuronové sítě atd. ), přípravy qubitových stavů pro konkrétní algoritmy QML, inference, simulace polynomiálního Hamiltoniánu a další, a končí pokročilými a aktuálními oblastmi výzkumu, jako jsou kvantové procházky, QML prostřednictvím tenzorových sítí a QBoost.

Součástí jsou praktická cvičení z open source knihoven, které se dnes běžně používají v průmyslu a výzkumu, jako jsou Qiskit, Rigettiho Forest, dOcean od D-Wave, Cirq od Googlu a zcela nový TensorFlow Quantum a PennyLane od Xanadu, doplněná o návody k implementaci. Všude, kde je to možné, se kniha rovněž dělí o různé možnosti přístupu ke kvantovým výpočtům a ekosystémům strojového učení, které mohou být relevantní pro konkrétní algoritmy.

Kniha nabízí praktický přístup k oblasti QML s využitím aktualizovaných knihoven a algoritmů v této rozvíjející se oblasti. Budete mít prospěch z konkrétních příkladů a pochopení nástrojů a konceptů pro budování inteligentních systémů posílených ekosystémem kvantové výpočetní techniky. Tato práce využívá autorova aktivního výzkumu v této oblasti a je doplněna neustále aktualizovanou webovou stránkou knihy, která poskytuje všechny příklady kódu.

Co se naučíte

⬤ Pochopíte a prozkoumáte kvantové výpočty a kvantové strojové učení a jejich využití ve vědě a průmyslu.

⬤ Prozkoumáte různé modely trénování dat s využitím algoritmů kvantového strojového učení a knihoven jazyka Python.

⬤ Získejte praktické zkušenosti s aplikovanou kvantovou výpočetní technikou, včetně volně dostupného cloudového přístupu.

⬤ Seznámíte se s technikami pro trénování a škálování kvantových neuronových sítí.

⬤ Získat přehled o aplikaci praktických příkladů kódu, aniž byste si museli osvojit nadměrnou teorii strojového učení nebo se hlouběji ponořit do kvantové mechaniky.

Pro koho je tato kniha určena

Datovým vědcům, odborníkům na strojové učení a výzkumníkům.