{"product_id":"quantum-machine-learning-an-applied-approach-the-theory-and-application-of-quantum-machine-learning-in-science-and-industry-9781484270974","title":"Aprendizaje automático cuántico: Un enfoque aplicado: La teoría y aplicación del aprendizaje automático cuántico en la ciencia y la industria","description":"Capítulo 1: Introducción\u003cp\u003e\u003cb\u003eObjetivo del capítulo: \u003c\/b\u003eIntroducción al libro y temas a tratar\u003cb\u003e \u003c\/b\u003e\u003c\/p\u003e \u003cp\u003e\u003cb\u003eNº de páginas\u003c\/b\u003e 12\u003c\/p\u003e \u003cp\u003e\u003cb\u003eSubtemas\u003c\/b\u003e\u003c\/p\u003e \u003cp\u003e1. El auge de las computadoras cuánticas\u003c\/p\u003e \u003cp\u003e2. Aprendizaje a partir de datos: IA, ML y aprendizaje profundo\u003c\/p\u003e \u003cp\u003e3. El camino a seguir \u003c\/p\u003e \u003cp\u003e4. Una visión general de los algoritmos de aprendizaje automático cuántico\u003c\/p\u003e 5. Organización del libro\u003cp\u003e\u003c\/p\u003e \u003cp\u003e6. Software y lenguajes (Linux y librerías de Python)\u003c\/p\u003e \u003cp\u003e\u003cbr\u003e\u003c\/p\u003e Capítulo 2: Computación cuántica e información \u003cp\u003e1. \u003cb\u003eObjetivo del capítulo: \u003c\/b\u003eUna 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\u003c\/p\u003e \u003cp\u003e\u003cb\u003eNº de páginas\u003c\/b\u003e: 65\u003c\/p\u003e \u003cp\u003e\u003cb\u003eSubtemas: \u003c\/b\u003e\u003c\/p\u003e \u003cp\u003e2. Fundamentos de la computación cuántica: Qubits, esfera de Bloch y puertas\u003c\/p\u003e \u003cp\u003e3. Circuitos cuánticos \u003c\/p\u003e \u003cp\u003e4. Paralelismo cuántico \u003c\/p\u003e 5. Computación cuántica por recocido\u003cp\u003e\u003c\/p\u003e \u003cp\u003e6. Computación cuántica con qubits superconductores\u003c\/p\u003e \u003cp\u003e7. Otras variantes de la computación cuántica \u003c\/p\u003e \u003cp\u003e8. Algoritmos: Grover, Deutsch, Deutsch-Josza\u003c\/p\u003e \u003cp\u003e9. Teoría de la optimización \u003c\/p\u003e \u003cp\u003e10. Ejercicios prácticos\u003c\/p\u003e \u003cp\u003e \u003c\/p\u003e Capítulo 3: Codificación de información cuántica \u003cp\u003eObjetivo del capítulo: \u003cb\u003e \u003c\/b\u003eComprender cómo codificar datos en el espacio de aprendizaje automático cuántico con ejemplos\u003c\/p\u003e \u003cp\u003e\u003cb\u003eNº de páginas\u003c\/b\u003e: 30\u003c\/p\u003e \u003cp\u003e\u003cb\u003eSubtemas: \u003c\/b\u003e\u003c\/p\u003e 26. Iniciación y selección de datos\u003cp\u003e\u003c\/p\u003e \u003cp\u003e27. Codificación base\u003c\/p\u003e \u003cp\u003e28. Superposición de entradas \u003c\/p\u003e \u003cp\u003e29. Teoría de muestreo\u003c\/p\u003e \u003cp\u003e30. Hamiltoniano\u003c\/p\u003e \u003cp\u003e31. Codificación de amplitud\u003c\/p\u003e \u003cp\u003e32. Otras técnicas de codificación \u003c\/p\u003e \u003cp\u003e33. Ejercicios prácticos\u003c\/p\u003e \u003cp\u003e \u003c\/p\u003e Capítulo 4: Algoritmos de QML \u003cp\u003e\u003cb\u003eObjetivo del capítulo: \u003c\/b\u003e Comprender los cálculos algorítmicos basados en hardware para el aprendizaje automático cuántico\u003c\/p\u003e \u003cp\u003eNº de páginas: 35\u003c\/p\u003e \u003cp\u003e\u003cb\u003eSubtemas: \u003c\/b\u003e\u003c\/p\u003e \u003cp\u003e34. Interfaz de hardware (procesadores cuánticos)\u003c\/p\u003e 35. K-Means y K-Medianas cuánticas\u003cp\u003e\u003c\/p\u003e \u003cp\u003e36. Agrupación cuántica\u003c\/p\u003e \u003cp\u003e37. Clasificadores cuánticos (p. ej., vecinos más cercanos)\u003c\/p\u003e \u003cp\u003e38. Máquina de vectores de soporte (SVM) en el espacio cuántico\u003c\/p\u003e \u003cp\u003e39. Ejercicios prácticos\u003c\/p\u003e \u003cp\u003e \u003c\/p\u003e Capítulo 5: Inferencia \u003cp\u003e\u003cb\u003eObjetivo del capítulo: \u003c\/b\u003eModelos y métodos utilizados en el aprendizaje automático cuántico\u003c\/p\u003e \u003cp\u003e\u003cb\u003eNº de páginas\u003c\/b\u003e: 35\u003c\/p\u003e \u003cp\u003e\u003cb\u003eSubtemas: \u003c\/b\u003e\u003c\/p\u003e \u003cp\u003e40. Análisis de componentes principales\u003c\/p\u003e \u003cp\u003e41. Mapas de características\u003c\/p\u003e \u003cp\u003e42. Modelos lineales\u003c\/p\u003e \u003cp\u003e43. Modelos probabilísticos\u003c\/p\u003e 44. Ejercicios prácticos\u003cp\u003e\u003c\/p\u003e \u003cp\u003e \u003c\/p\u003e Capítulo 6: Entrenamiento de los datos \u003cp\u003e\u003cb\u003eObjetivo del capítulo: \u003c\/b\u003e Modelos de entrenamiento y técnicas de aprendizaje automático cuántico\u003c\/p\u003e \u003cp\u003e\u003cb\u003eNº de páginas\u003c\/b\u003e: 105\u003c\/p\u003e \u003cp\u003e\u003cb\u003eSubtemas: \u003c\/b\u003e\u003c\/p\u003e \u003cp\u003e45. Aprendizaje no supervisado y supervisado\u003c\/p\u003e \u003cp\u003e46. Inversión de matrices\u003c\/p\u003e \u003cp\u003e47. Amplificación de amplitud para QML\u003c\/p\u003e \u003cp\u003e48. Optimización cuántica \u003c\/p\u003e \u003cp\u003e49. Problema del viajante\u003c\/p\u003e \u003cp\u003e50. Algoritmos variacionales\u003c\/p\u003e \u003cp\u003e51. QAOA\u003c\/p\u003e \u003cp\u003e52. Problema del corte máximo\u003c\/p\u003e 53. VQE (Virtual Quantum Eigensolver)\u003cp\u003e\u003c\/p\u003e \u003cp\u003e54. Algoritmos de clasificación variacional\u003c\/p\u003e \u003cp\u003e55. Ejercicios prácticos\u003c\/p\u003e \u003cp\u003e \u003c\/p\u003e Capítulo 7: Modelos de aprendizaje cuántico \u003cp\u003e\u003cb\u003eObjetivo del capítulo: \u003c\/b\u003e Modelos de aprendizaje y técnicas de aprendizaje automático cuántico\u003c\/p\u003e \u003cp\u003eNº de páginas: 75\u003c\/p\u003e \u003cp\u003e\u003cb\u003eSubtemas: \u003c\/b\u003e\u003c\/p\u003e \u003cp\u003e56. Estado óptimo para el aprendizaje\u003c\/p\u003e 57. Dualidad estado-canal\u003cp\u003e\u003c\/p\u003e \u003cp\u003e58. Tomografía\u003c\/p\u003e \u003cp\u003e59. Redes neuronales cuánticas\u003c\/p\u003e \u003cp\u003e60. Paseo cuántico\u003c\/p\u003e \u003cp\u003e61. Aplicaciones de la red tensorial\u003c\/p\u003e \u003cp\u003e62. Ejercicios prácticos\u003c\/p\u003e \u003cp\u003e \u003c\/p\u003e Capítulo 8: Futuro de QML en la investigación y la industria \u003cp\u003e\u003cb\u003eObjetivo del capítulo: \u003c\/b\u003e Perspectivas futuras del aprendizaje automático cuántico en la industria, las empresas y las oportunidades\u003c\/p\u003e \u003cp\u003e\u003cb\u003eNº de páginas\u003c\/b\u003e: 15\u003c\/p\u003e\u003cbr\u003e\u003cbr\u003e\u003cb\u003eAutor:\u003c\/b\u003e \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=AUTH-14429999\"\u003eSantanu Ganguly\u003c\/a\u003e\u003cbr\u003e\u003cb\u003eEditorial:\u003c\/b\u003e Apress\u003cbr\u003e\u003cb\u003ePublicado:\u003c\/b\u003e 08\/12\/2021\u003cbr\u003e\u003cb\u003ePáginas:\u003c\/b\u003e 551\u003cbr\u003e\u003cb\u003eTipo de encuadernación:\u003c\/b\u003e Tapa blanda\u003cbr\u003e\u003cb\u003ePeso:\u003c\/b\u003e 2.16lbs\u003cbr\u003e\u003cb\u003eTamaño:\u003c\/b\u003e 10.00h x 7.00w x 1.16d\u003cbr\u003e\u003cb\u003eISBN13:\u003c\/b\u003e 9781484270974\u003cbr\u003e\u003cb\u003eISBN10:\u003c\/b\u003e 1484270975\u003cbr\u003e\u003cb\u003eCategorías BISAC:\u003c\/b\u003e\u003cbr\u003e- \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=CAT-COM\"\u003eComputadoras\u003c\/a\u003e | \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=BISAC-COM031000\"\u003eTeoría de la información\u003c\/a\u003e\u003cbr\u003e- \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=CAT-COM\"\u003eComputadoras\u003c\/a\u003e | \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=BISAC-COM004000\"\u003eInteligencia artificial | General\u003c\/a\u003e\u003cbr\u003e\u003cbr\u003e\u003cp\u003e\u003cb\u003eSobre el autor\u003c\/b\u003e\u003cbr\u003e\u003c\/p\u003e\u003cp\u003e\u003cb\u003eSantanu Ganguly\u003c\/b\u003e 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.\u003cbr\u003e\u003c\/p\u003e","brand":"Apress","offers":[{"title":"Default Title","offer_id":42683888206061,"sku":"9781484270974","price":69.99,"currency_code":"USD","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0550\/8097\/6621\/products\/img_86c84905-e952-42c6-bcb7-ac9e990d8d1b.jpg?v=1649749036","url":"https:\/\/sureshotbooks.com\/es\/products\/quantum-machine-learning-an-applied-approach-the-theory-and-application-of-quantum-machine-learning-in-science-and-industry-9781484270974","provider":"SureShot Books Publishing LLC","version":"1.0","type":"link"}