Aprendizaje automático cuántico: Un enfoque aplicado: La teoría y aplicación del aprendizaje automático cuántico en la ciencia y la industria

Capítulo 1: Introducción

Objetivo del capítulo: Introducción al libro y temas a tratar

Nº de páginas 12

Subtemas

1. El auge de las computadoras cuánticas

2. Aprendizaje a partir de datos: IA, ML y aprendizaje profundo

3. El camino a seguir

4. Una visión general de los algoritmos de aprendizaje automático cuántico

5. Organización del libro

6. Software y lenguajes (Linux y librerías de Python)

Capítulo 2: Computación cuántica e información

1. Objetivo del capítulo: Una comprensión exhaustiva de los conceptos clave relacionados con la ciencia de la información cuántica y las opciones de acceso libre basadas en la nube para la computación cuántica en el dominio cuántico con ejemplos

Nº de páginas: 65

Subtemas:

2. Fundamentos de la computación cuántica: Qubits, esfera de Bloch y puertas

3. Circuitos cuánticos

4. Paralelismo cuántico

5. Computación cuántica por recocido

6. Computación cuántica con qubits superconductores

7. Otras variantes de la computación cuántica

8. Algoritmos: Grover, Deutsch, Deutsch-Josza

9. Teoría de la optimización

10. Ejercicios prácticos

Capítulo 3: Codificación de información cuántica

Objetivo del capítulo: Comprender cómo codificar datos en el espacio de aprendizaje automático cuántico con ejemplos

Nº de páginas: 30

Subtemas:

26. Iniciación y selección de datos

27. Codificación base

28. Superposición de entradas

29. Teoría de muestreo

30. Hamiltoniano

31. Codificación de amplitud

32. Otras técnicas de codificación

33. Ejercicios prácticos

Capítulo 4: Algoritmos de QML

Objetivo del capítulo: Comprender los cálculos algorítmicos basados en hardware para el aprendizaje automático cuántico

Nº de páginas: 35

Subtemas:

34. Interfaz de hardware (procesadores cuánticos)

35. K-Means y K-Medianas cuánticas

36. Agrupación cuántica

37. Clasificadores cuánticos (p. ej., vecinos más cercanos)

38. Máquina de vectores de soporte (SVM) en el espacio cuántico

39. Ejercicios prácticos

Capítulo 5: Inferencia

Objetivo del capítulo: Modelos y métodos utilizados en el aprendizaje automático cuántico

Nº de páginas: 35

Subtemas:

40. Análisis de componentes principales

41. Mapas de características

42. Modelos lineales

43. Modelos probabilísticos

44. Ejercicios prácticos

Capítulo 6: Entrenamiento de los datos

Objetivo del capítulo: Modelos de entrenamiento y técnicas de aprendizaje automático cuántico

Nº de páginas: 105

Subtemas:

45. Aprendizaje no supervisado y supervisado

46. Inversión de matrices

47. Amplificación de amplitud para QML

48. Optimización cuántica

49. Problema del viajante

50. Algoritmos variacionales

51. QAOA

52. Problema del corte máximo

53. VQE (Virtual Quantum Eigensolver)

54. Algoritmos de clasificación variacional

55. Ejercicios prácticos

Capítulo 7: Modelos de aprendizaje cuántico

Objetivo del capítulo: Modelos de aprendizaje y técnicas de aprendizaje automático cuántico

Nº de páginas: 75

Subtemas:

56. Estado óptimo para el aprendizaje

57. Dualidad estado-canal

58. Tomografía

59. Redes neuronales cuánticas

60. Paseo cuántico

61. Aplicaciones de la red tensorial

62. Ejercicios prácticos

Capítulo 8: Futuro de QML en la investigación y la industria

Objetivo del capítulo: Perspectivas futuras del aprendizaje automático cuántico en la industria, las empresas y las oportunidades

Nº de páginas: 15

Autor: Santanu Ganguly
Editorial: Apress
Publicado: 08/12/2021
Páginas: 551
Tipo de encuadernación: Tapa blanda
Peso: 2.16lbs
Tamaño: 10.00h x 7.00w x 1.16d
ISBN13: 9781484270974
ISBN10: 1484270975
Categorías BISAC:
- Computadoras | Teoría de la información
- Computadoras | Inteligencia artificial | General

Sobre el autor

Santanu Ganguly ha trabajado en los campos de las tecnologías cuánticas, la computación en la nube, la redes de datos y la seguridad (en investigación, diseño y entrega) durante más de 21 años. Trabaja en Suiza y el Reino Unido para varios proveedores e ISP de Silicon Valley. Tiene dos títulos de posgrado (uno en matemáticas y otro en astrofísica observacional), y experiencia en investigación y publicaciones en fotónica a nanoescala y espectroscopia láser. Actualmente lidera proyectos globales desde el Reino Unido relacionados con la comunicación cuántica y el aprendizaje automático, entre otras tecnologías.