Note :
Ce livre a pour but de fournir des informations sur l'apprentissage automatique quantique, mais il ne répond pas aux attentes, car il contient des informations déjà disponibles plutôt que des guides approfondis ou un contenu original. Il convient mieux aux praticiens qui ont déjà une certaine expérience de l'informatique quantique. Bien qu'il offre des informations utiles, il manque d'originalité et de profondeur, ce qui le rend moins utile pour ceux qui ont déjà des connaissances dans le domaine.
Avantages:⬤ Certains contenus sont des documents d'introduction bien rédigés
⬤ utiles pour les praticiens souhaitant apprendre l'informatique quantique
⬤ couvre les sujets de base de l'apprentissage automatique quantique.
⬤ Manque de profondeur et d'originalité
⬤ principalement une collection de ressources existantes
⬤ beaucoup de fautes de frappe
⬤ mauvaises explications du code
⬤ nécessite des améliorations dans les aspects pédagogiques
⬤ ne vaut peut-être pas la peine d'être acheté pour ceux qui sont familiers avec le sujet.
(basé sur 6 avis de lecteurs)
Quantum Machine Learning with Python: Using Cirq from Google Research and IBM Qiskit
Il est possible de passer rapidement aux fondements de l'informatique quantique et de l'apprentissage automatique quantique, ainsi qu'aux mathématiques connexes, et de les exposer à différents cas d'utilisation pouvant être résolus par des algorithmes quantiques. Ce livre explique l'informatique quantique, qui exploite les propriétés mécaniques quantiques des particules subatomiques. Il examine également l'apprentissage automatique quantique, qui peut aider à résoudre certains des problèmes les plus difficiles dans les domaines de la prévision, de la modélisation financière, de la génomique, de la cybersécurité, de la logistique de la chaîne d'approvisionnement et de la cryptographie, entre autres.
Vous commencerez par passer en revue les concepts fondamentaux de l'informatique quantique, tels que les notations de Dirac, les Qubits et l'état de Bell, puis les postulats et les fondements mathématiques de l'informatique quantique. Une fois les bases posées, vous vous plongerez dans les algorithmes quantiques, notamment la transformée de Fourier quantique, l'estimation de phase et le HHL (Harrow-Hassidim-Lloyd), entre autres.
Vous serez ensuite initié à l'apprentissage automatique quantique et aux algorithmes basés sur l'apprentissage profond quantique, ainsi qu'aux sujets avancés des processus adiabatiques quantiques et de l'optimisation quantique. Tout au long du livre, vous trouverez des implémentations Python de différents algorithmes d'apprentissage automatique quantique et d'informatique quantique utilisant la boîte à outils Qiskit d'IBM et Cirq de Google Research.
Ce que vous apprendrez
⬤ Comprendre l'informatique quantique et l'apprentissage automatique quantique.
⬤ Explorer divers domaines et les scénarios dans lesquels les solutions d'apprentissage automatique quantique peuvent être appliquées.
⬤ Développer une expertise dans le développement d'algorithmes dans divers cadres d'informatique quantique.
⬤ Examiner les principaux défis liés à la construction d'ordinateurs quantiques à grande échelle et à l'application de ses diverses techniques.
À qui s'adresse ce livre ?
Les passionnés d'apprentissage automatique et les ingénieurs qui souhaitent passer rapidement à l'apprentissage automatique quantique.
| ISBN : | 9781484265215 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2021 |
| Nombre de pages : | 361 |
Actuellement disponible, en stock.
