Открытый курс квантового машинного обучения

Этот курс позволит вам погрузиться в удивительный мир квантового машинного обучения! Курс максимально ориентирован на практику, на методы, которые работают уже сегодня, в NISQ-эпоху (Noisy Intermediate-Scale Quantum), когда кубитов мало и они не идеальны.

quantum computingmachine learmingquantum machine learmingDomain levelpythonML research

Курс разделен на логические блоки, каждый из которых содержит лекции разных уровней сложности:
СИНИЙ – вводные блоки, охватывающие необходимые знания для остальной части курса
ЗЕЛЕНЫЙ – лекции «основного» блока курса
ЖЕЛТЫЙ – лекции, глубже раскрывающие темы блоков
КРАСНЫЙ – лекции про физику и математику, которая стоит за всем этим
БЕЛЫЙ – карьера в области квантовых вычислений и квантового машинного обучения

Почему именно этот курс?

Этот курс отличается от других курсов по квантовым вычислениям:

  • он адаптивный и содержит лекции разных уровней сложности и глубины
  • он практический, а все объяснения подкрепляются кодом
  • он про реальные методы, которые будут актуальны ближайшие 10-15 лет

Основатель курса Семён Синченко:

Я очень люблю квантовые технологии и являюсь их большим энтузиастом. При этом моя основная работа связана с машинным обучением, поэтому идею сделать курс по QML я вынашивал очень давно. В сообществе ODS мне удалось найти единомышленников, и вместе мы подготовили для вас набор лекций и домашних заданий, которые проведут вас через удивительный мир кубитов, гейтов и квантовых нейросетей. Мы очень хотели сделать курс одновременно простым и понятным, но также строгим и глубоким с технической точки зрения и, надеюсь, у нас это получилось. В основном мы будем обсуждать темы, которые будут перспективны в ближайшие годы, а также максимально ориентироваться на практической стороне вопроса. Я лично верю, что квантовые технологии по мере их развития произведут не меньшую революцию, чем, например, распространение вычислений на видеокартах, а также позволят по-другому подойти к задачам, которые мы раньше не умели решать . Надеюсь, что после прохождения этого курса поверите и вы! В любом случае, я уверен, что тема QML и квантовых вычислений как минимум стоит того, чтобы с ней познакомиться. Надеюсь, что вам будет интересно!

Как проходить этот курс?

Рекомендуется проходить курс в том порядке, который обозначен на схеме. У курса есть пререквизиты – программирование на Python, основы линейной алгебры и машинного обучения, советуем с ними ознакомиться и (опционально) проверить себя с помощью входного теста

Курс обсуждается в matrix.ods.ai в канале [course] quantum ml. Каждую неделю вас ожидают новые лекции и тесты по материалам лекций. Также, для дополнительно мотивации, в течение курса будет поддерживаться лидерборд.

Как можно помочь?

Помочь можно словом и делом. Если знаете людей, интересующихся квантовыми вычислениями – замолвите словечко. Курс разрабатывается сообществом OpenDataScience, такими же «больными», как и организаторы. Если горите желанием в чем-то помочь, то создавайте Issue, а лучше сразу Pull Request в репозитории курса (Contributing guide).

Желаем успехов!

Track program

Авторы

Авторы

Список авторов сего прекрасного курса

Тест для самопроверки на входе

Тест для самопроверки на входе

Этот тест опциональный, поможет понять, нужно ли проходить вводные "голубые" лекции – по Python, математике и машинному обучению (15 вопросов всего, по 5 на блок). Тест довольно простой, так что если вы его прошли без ошибок или почти без ошибок – это мало о чем говорит, все равно дальше может быть сложно. А вот если ошибок много, тогда вам стоит обратиться ко вводным "голубым" блокам (правда, придется сказать, что блок по линейной алгебре – пока еще в разработке).

machinelearningpythonmath

883325+34
Лекция 0 | О квантовых компьютерах, биткоине и превосходстве

Лекция 0 | О квантовых компьютерах, биткоине и превосходстве

Эта лекция не несет в себе образовательного смысла, а лишь пытается ответить на вопросы, которые обычно возникают у тех, кто впервые сталкивается с темой квантовых вычислений.

4
Лекция 1 | Основы python, линала, numpy, ml

Лекция 1 | Основы python, линала, numpy, ml

Проработаем базовые (и не только) знания о Python, NumPy, векторах, матрицах и машинном обучении.

81
Лекция 2 | Квантовые вычисления и фреймворки

Лекция 2 | Квантовые вычисления и фреймворки

Этот блок включает в себя общий рассказ о том, что такое квантовый бит, и введение в основные квантовые гейты. И никуда без них, фреймворков, с помощью которых мы будем трогать квантовые компьютеры (или симуляторы).

quantum computingquantum gatesquantum physicsShor algorithmGrover algorithm

1363+1
Задание 1 | Кубиты, гейты

Задание 1 | Кубиты, гейты

В первом задании научимся работать с кубитами и основными гейтами, используемыми в квантовых вычислениях.

653+2
Лекция 3 | Базовые квантовые алгоритмы и железо квантовых машин

Лекция 3 | Базовые квантовые алгоритмы и железо квантовых машин

Общий обзор наиболее известных квантовых алгоритмов, реализации алгоритмов Дойча и квантовой телепортации, продвинутые темы по алгоритмам Саймона и Гровера. Обзор различных подходов к физической реализации квантовых вычислений

Задание 2 | Квантовые алгоритмы

Задание 2 | Квантовые алгоритмы

Во втором задании будем разбираться с уже классическими квантовыми алгоритмами – Дойча, Саймона, Гровера – и с квантовой телепортацией.

73
Лекция 4 | Квантовое машинное обучение, VQC, градиенты

Лекция 4 | Квантовое машинное обучение, VQC, градиенты

Общий рассказ о классах квантового машинного обучения, алгоритме HHL, QNN, вариационных квантовых схемах, а также о градиентах квантовых схем и высших порядков на десерт

Задание 3  | Вариационные схемы

Задание 3 | Вариационные схемы

Третье задание посвящено одному из центральных понятий в гибридном квантово-классическом обучении – вариационным квантовым схемам, а также квантовым градиентам

11
Лекция 5 | Квантовые нейронные сети и SVM

Лекция 5 | Квантовые нейронные сети и SVM

Поговорим о классическом и квантово-классическом SVM, а также квантовых нейронных сетях в общем, и сверточных сетях в частности

Задание 4 | Квантово-классический SVM

Задание 4 | Квантово-классический SVM

Четвертое задание посвящено SVM – классическому и квантово-классическому.

31
Лекция 6 | Проблемы квантового машинного обучения

Лекция 6 | Проблемы квантового машинного обучения

Основы квантовой химии, модель Изинга, задача комбинаторной оптимизации и их продвинутые лекции

Задание 5 | Модель Изинга, оптимизация

Задание 5 | Модель Изинга, оптимизация

Пятое задание посвящено теории Бора, модели Изинга и задачам комбинаторной оптимизации

Лекция 7 | От проблем к обучению, D-Wave, VQE

Лекция 7 | От проблем к обучению, D-Wave, VQE

Как перейти от задач оптимизации или квантовой химии к квантовым алгоритмам, а также про вариационный алгоритм нахождения собственных значений операторов, квантовый отжигатель компании D-Wave и задачи, которые можно решать с его помощью

Задание 6 | VQE и D-Wave

Задание 6 | VQE и D-Wave

Шестое и заключительное задание – про вариационный алгоритм нахождения собственных значений и D-Wave

Лекция 8 | QAOA, академия и индустрия

Лекция 8 | QAOA, академия и индустрия

Заключительная неделя: алгоритм квантовой приближенной оптимизации, а также как обстоят дела в индустрии и академии

Related Tracks

Cookies help us deliver our services. By using our services, you agree to our use of cookies.