квантовому машинному обучению быть&nbsp;зыно пока всесезонному, то бишь можете проходить в любое время лекции и решать тесты&nbsp;&nbsp;

Открытый курс квантового машинного обучения

всесезонье

Список авторов сего прекрасного курса

Произвольный URL

Авторы

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).

Теория

Тест для самопроверки на входе

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.

Лекция 0 | О квантовых компьютерах, биткоине и превосходстве

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

Лекция 1 | Основы python, линала, numpy, ml

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).

Лекция 2 | Квантовые вычисления и фреймворки

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

Задание 1 | Кубиты, гейты

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

Лекция 3 | Базовые квантовые алгоритмы и железо квантовых машин

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

Задание 2 | Квантовые алгоритмы

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

Лекция 4 | Квантовое машинное обучение, VQC, градиенты

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

Задание 3  | Вариационные схемы

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

Лекция 5 | Квантовые нейронные сети и SVM

Четвертое задание посвящено SVM – классическому и квантово-классическому.

Задание 4 | Квантово-классический SVM

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

Лекция 6 | Проблемы квантового машинного обучения

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

Задание 5 | Модель Изинга, оптимизация

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

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

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

Задание 6 | VQE и D-Wave

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

Лекция 8 | QAOA, академия и индустрия

FeaturedBanner-a6cea568

data fest track 2021

photo_2021-11-18 21.43.25.jpeg

data fest track 2020

<figure class="image image-style-align-right image_resized" style="width:50%; "><img src="https://github.com/quantum-ods/qmlcourse/raw/master/qmlcourse/_static/index/program.svg" style="max-height:1500px;" />
<figcaption>Курс разделен на логические блоки, каждый из которых содержит лекции разных уровней сложности: 
СИНИЙ &ndash; вводные блоки, охватывающие необходимые знания для остальной части курса 
ЗЕЛЕНЫЙ &ndash; лекции &laquo;основного&raquo; блока курса 
ЖЕЛТЫЙ &ndash; лекции, глубже раскрывающие темы блоков 
КРАСНЫЙ &ndash; лекции про физику и математику, которая стоит за всем этим 
БЕЛЫЙ &ndash; карьера в области квантовых вычислений и квантового машинного обучения</figcaption>
</figure>

<h3>Почему именно этот курс?</h3>

Этот курс отличается от других курсов по квантовым вычислениям:

<ul>
	<li>он адаптивный и содержит лекции разных уровней сложности и глубины</li>
	<li>он практический, а все объяснения подкрепляются кодом</li>
	<li>он про реальные методы, которые будут актуальны ближайшие 10-15 лет</li>
</ul>

Основатель курса <a href="https://github.com/SemyonSinchenko" rel="noopener noreferrer" target="_blank">Семён Синченко</a>:

<blockquote>
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!
</blockquote>

<h3>Как проходить этот курс?</h3>

Рекомендуется проходить курс в том порядке, который обозначен на схеме. У курса есть <a href="https://quantum-ods.github.io/qmlcourse/book/prerequisite.html" rel="noopener noreferrer" target="_blank">пререквизиты</a>&nbsp;&ndash; программирование на Python, основы линейной алгебры и машинного обучения, советуем с ними ознакомиться и (опционально) проверить себя с помощью <a href="https://ods.ai/tracks/qmlcourse/blocks/ee9f2a26-6234-4a72-84a6-a05de035bb1a" rel="noopener noreferrer" target="_blank">входного теста</a>.&nbsp;

Курс обсуждается в <a href="https://ods.ai/tracks/odsmatrix101" rel="noopener noreferrer" target="_blank">matrix.ods.ai</a>&nbsp;в канале&nbsp;<code>[course] quantum ml</code>. Каждую неделю вас ожидают новые лекции и тесты по материалам лекций. Также, для дополнительно мотивации, в течение курса будет поддерживаться лидерборд.

<h3>Как можно помочь?</h3>

Помочь можно словом и делом. Если знаете людей, интересующихся квантовыми вычислениями &ndash; замолвите словечко. Курс разрабатывается сообществом OpenDataScience, такими же &laquo;больными&raquo;, как и организаторы. Если горите желанием в чем-то помочь, то создавайте Issue, а лучше сразу Pull Request в&nbsp;<a href="https://github.com/quantum-ods/qmlcourse" rel="noopener noreferrer" target="_blank">репозитории курса</a>&nbsp;(<a href="https://github.com/quantum-ods/qmlcourse/blob/master/CONTRIBUTING.md" rel="noopener noreferrer" target="_blank">Contributing guide</a>).

Желаем успехов!

&nbsp;

&nbsp;

vtrohimenko

Синченко Семен

Кашницкий Юрий

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.

«Поехали!»

25 октября запуск курса

User Agreement

Я прочитал(-а) и согласен(-на) с <a href="https://storage.yandexcloud.net/datasouls-ods/CourseFest_1/Docs/UserAgreement.pdf" rel="noopener noreferrer" target="_blank">Пользовательским соглашением и Политикой конфиденциальности</a>

Privacy Policy

Я даю свое <a href="https://storage.yandexcloud.net/datasouls-ods/CourseFest_1/Docs/Consent.pdf" rel="noopener noreferrer" target="_blank">согласие</a> ООО &ldquo;Соревнования Анализа Данных&rdquo; на обработку и передачу моих персональных данных партнерам мероприятия для информационного взаимодействия

Consent

Я <a href="https://storage.yandexcloud.net/datasouls-ods/CourseFest_1/Docs/Email.pdf" rel="noopener noreferrer" target="_blank">согласен(а)</a> получать информационные рассылки от ООО &ldquo;Соревнования Анализа Данных&rdquo; про активности ODS

Мне интересно получать предложения о работе

10/20/22всесезонье