×
1 Wählen Sie EITC/EITCA-Zertifikate
2 Online-Prüfungen lernen und ablegen
3 Lassen Sie sich Ihre IT-Kenntnisse zertifizieren

Bestätigen Sie Ihre IT-Fähigkeiten und -Kompetenzen im Rahmen des europäischen IT-Zertifizierungsrahmens von überall auf der Welt vollständig online.

EITCA-Akademie

Zertifizierungsstandard für digitale Fähigkeiten des European IT Certification Institute mit dem Ziel, die Entwicklung der digitalen Gesellschaft zu unterstützen

Melden Sie sich entweder mit Ihrem Benutzernamen oder Ihrer E-Mail-Adresse bei Ihrem Konto an

EIN KONTO ERSTELLEN PASSWORT VERGESSEN?

VERGESSEN SIE IHRE DETAILS?

AAH, warten, ich erinnere mich jetzt!

EIN KONTO ERSTELLEN

HAST DU SCHON EIN KONTO?
EUROPÄISCHE ZERTIFIZIERUNGSAKADEMIE FÜR IT - BESCHEINIGUNG IHRER PROFESSIONELLEN DIGITALEN FÄHIGKEITEN
  • ANMELDEN
  • ANMELDEN
  • INFOS

EITCA-Akademie

EITCA-Akademie

Das European Information Technologies Certification Institute - EITCI ASBL

Zertifizierungsstelle

EITCI Institut

Brüssel, Europäische Union

Anwendung des europäischen Standards für die IT-Zertifizierung (EITC) zur Unterstützung der IT-Professionalität und der Digital Society

  • ZERTIFIKATE
    • EITCA-AKADEMIEN
      • EITCA ACADEMIES KATALOG<
      • EITCA/CG COMPUTERGRAFIKEN
      • EITCA/IST INFORMATIONSSICHERHEIT
      • EITCA/BI-GESCHÄFTSINFORMATIONEN
      • EITCA/KC-SCHLÜSSELKOMPETENZEN
      • EITCA/EG E-REGIERUNG
      • EITCA/WD-WEBENTWICKLUNG
      • EITCA/AI KÜNSTLICHE INTELLIGENZ
    • EITC-ZERTIFIKATE
      • EITC-ZERTIFIKATSKATALOG<
      • COMPUTERGRAFIK-ZERTIFIKATE
      • WEBDESIGN-ZERTIFIKATE
      • 3D-DESIGN-ZERTIFIKATE
      • BÜRO IT-ZERTIFIKATE
      • BITCOIN BLOCKCHAIN-ZERTIFIKAT
      • WORDPRESS-ZERTIFIKAT
      • CLOUD-PLATTFORM-ZERTIFIKATNEUES
    • EITC-ZERTIFIKATE
      • INTERNET-ZERTIFIKATE
      • CRYPTOGRAPHY-ZERTIFIKATE
      • BUSINESS IT-ZERTIFIKATE
      • TELEWORK-ZERTIFIKATE
      • PROGRAMMIERZERTIFIKATE
      • DIGITAL PORTRAIT ZERTIFIKAT
      • ZERTIFIKATE FÜR DIE WEBENTWICKLUNG
      • TIEFE LERNZERTIFIKATENEUES
    • ZERTIFIKATE FÜR
      • ÖFFENTLICHE VERWALTUNG DER EU
      • LEHRER UND BILDER
      • IT-SICHERHEITSPROFIS
      • GRAFIKDESIGNER & KÜNSTLER
      • GESCHÄFTSFÜHRER UND MANAGER
      • BLOCKCHAIN ​​ENTWICKLER
      • WEB-ENTWICKLER
      • CLOUD AI EXPERTENNEUES
  • EMPFOHLEN
  • SUBVENTION
  • WIE FUNKTIONIERT ES?
  •   IT ID
  • ÜBER UNS
  • KONTAKT
  • MEINE BESTELLUNGEN
    Ihre aktuelle Bestellung ist leer.
EITCIINSTITUTE
CERTIFIED

EITC/AI/TFQML TensorFlow Quantum Machine Learning

by Administrator / Freitag, 05 Februar 2021 / Veröffentlicht in Allgemein
Aktueller Status
Nicht eingeschrieben
PREIS
€110
Los geht’s
Melden Sie sich für diese Zertifizierung an

EITC/AI/TFQML TensorFlow Quantum Machine Learning ist das europäische IT-Zertifizierungsprogramm zur Verwendung der Google TensorFlow Quantum-Bibliothek zur Implementierung von maschinellem Lernen in der Google Quantum Processor Sycamore-Architektur.

Das Curriculum des TensorFlow Quantum Machine Learning von EITC/AI/TFQML konzentriert sich auf theoretisches Wissen und praktische Fähigkeiten bei der Verwendung der TensorFlow Quantum-Bibliothek von Google für fortgeschrittenes quantenberechnungsmodellbasiertes maschinelles Lernen auf der Google Quantum Processor Sycamore-Architektur, die in der folgenden Struktur organisiert ist und ein umfassendes Video umfasst didaktischer Inhalt als Referenz für diese EITC-Zertifizierung.

TensorFlow Quantum (TFQ) ist eine Bibliothek für maschinelles Quantenlernen zum schnellen Prototyping von hybriden quantenklassischen ML-Modellen. Die Erforschung von Quantenalgorithmen und -anwendungen kann die Quantencomputer-Frameworks von Google nutzen, die alle aus TensorFlow stammen.

TensorFlow Quantum konzentriert sich auf Quantendaten und den Aufbau hybrider quantenklassischer Modelle. Es integriert Quantencomputeralgorithmen und -logik, die in Cirq (Quantenprogrammierungsframework basierend auf dem Quantenschaltungsmodell) entwickelt wurden, und bietet Quantencomputerprimitive, die mit vorhandenen TensorFlow-APIs kompatibel sind, sowie leistungsstarke Quantenschaltungssimulatoren. Lesen Sie mehr im TensorFlow Quantum Whitepaper.

Quantencomputer sind die Verwendung von Quantenphänomenen wie Überlagerung und Verschränkung zur Durchführung von Berechnungen. Computer, die Quantenberechnungen durchführen, werden als Quantencomputer bezeichnet. Es wird angenommen, dass Quantencomputer bestimmte Rechenprobleme wie die Ganzzahlfaktorisierung (die der RSA-Verschlüsselung zugrunde liegt) wesentlich schneller lösen können als klassische Computer. Das Studium des Quantencomputers ist ein Teilgebiet der Quanteninformationswissenschaft.

Das Quantencomputing begann in den frühen 1980er Jahren, als der Physiker Paul Benioff ein quantenmechanisches Modell der Turing-Maschine vorschlug. Richard Feynman und Yuri Manin schlugen später vor, dass ein Quantencomputer das Potenzial habe, Dinge zu simulieren, die ein klassischer Computer nicht könnte. 1994 entwickelte Peter Shor einen Quantenalgorithmus zum Faktorisieren von ganzen Zahlen, der das Potenzial hatte, RSA-verschlüsselte Kommunikation zu entschlüsseln. Trotz des anhaltenden experimentellen Fortschritts seit Ende der neunziger Jahre glauben die meisten Forscher, dass "fehlertolerantes Quantencomputing immer noch ein weit entfernter Traum ist". In den letzten Jahren haben die Investitionen in die Quantencomputerforschung sowohl im öffentlichen als auch im privaten Sektor zugenommen. Am 1990. Oktober 23 gab Google AI in Zusammenarbeit mit der US-amerikanischen National Aeronautics and Space Administration (NASA) an, eine Quantenberechnung durchgeführt zu haben, die auf keinem klassischen Computer möglich ist (sogenanntes Quantenüberlegenheitsergebnis).

Es gibt verschiedene Modelle von Quantencomputern (oder vielmehr Quantencomputersystemen), einschließlich des Quantenschaltungsmodells, der Quanten-Turing-Maschine, des adiabatischen Quantencomputers, des Einweg-Quantencomputers und verschiedener quantenzellulärer Automaten. Das am weitesten verbreitete Modell ist die Quantenschaltung. Quantenschaltungen basieren auf dem Quantenbit oder "Qubit", das dem Bit in der klassischen Berechnung etwas analog ist. Qubits können sich in einem 1- oder 0-Quantenzustand befinden oder sie können sich in einer Überlagerung der 1- und 0-Zustände befinden. Wenn jedoch Qubits gemessen werden, ist das Ergebnis der Messung immer entweder eine 0 oder eine 1; Die Wahrscheinlichkeiten dieser beiden Ergebnisse hängen vom Quantenzustand ab, in dem sich die Qubits unmittelbar vor der Messung befanden.

Die Fortschritte beim Aufbau eines physikalischen Quantencomputers konzentrieren sich auf Technologien wie Transmons, Ionenfallen und topologische Quantencomputer, die darauf abzielen, qualitativ hochwertige Qubits zu erzeugen. Diese Qubits können abhängig vom Rechenmodell des vollständigen Quantencomputers unterschiedlich ausgelegt sein, unabhängig davon, ob es sich um Quantenlogikgatter, Quantenglühen oder adiabatische Quantenberechnung handelt. Derzeit gibt es eine Reihe bedeutender Hindernisse beim Aufbau nützlicher Quantencomputer. Insbesondere ist es schwierig, die Quantenzustände von Qubits aufrechtzuerhalten, da sie unter Quantendekohärenz und Zustandstreue leiden. Quantencomputer erfordern daher eine Fehlerkorrektur. Jedes Rechenproblem, das mit einem klassischen Computer gelöst werden kann, kann auch mit einem Quantencomputer gelöst werden. Umgekehrt kann jedes Problem, das von einem Quantencomputer gelöst werden kann, auch von einem klassischen Computer gelöst werden, zumindest im Prinzip, wenn genügend Zeit zur Verfügung steht. Mit anderen Worten, Quantencomputer gehorchen der Church-Turing-These. Während dies bedeutet, dass Quantencomputer keine zusätzlichen Vorteile gegenüber klassischen Computern hinsichtlich der Berechenbarkeit bieten, weisen Quantenalgorithmen für bestimmte Probleme eine erheblich geringere Zeitkomplexität auf als entsprechende bekannte klassische Algorithmen. Insbesondere wird angenommen, dass Quantencomputer in der Lage sind, bestimmte Probleme, die kein klassischer Computer in einer realisierbaren Zeitspanne lösen kann, schnell zu lösen - eine Leistung, die als „Quantenüberlegenheit“ bekannt ist. Die Untersuchung der rechnerischen Komplexität von Problemen in Bezug auf Quantencomputer ist als Quantenkomplexitätstheorie bekannt.

Google Sycamore ist ein Quantenprozessor, der von der Abteilung für künstliche Intelligenz von Google Inc. entwickelt wurde. Es umfasst 53 Qubits.

Im Jahr 2019 erledigte Sycamore eine Aufgabe in 200 Sekunden, von der Google in einem Nature-Artikel behauptete, dass die Fertigstellung eines hochmodernen Supercomputers 10,000 Jahre dauern würde. So behauptete Google, die Quantenüberlegenheit erreicht zu haben. Um die Zeit abzuschätzen, die ein klassischer Supercomputer benötigen würde, hat Google Teile der Quantenschaltungssimulation auf dem Summit, dem leistungsstärksten klassischen Computer der Welt, ausgeführt. Später machte IBM ein Gegenargument und behauptete, dass die Aufgabe auf einem klassischen System wie Summit nur 2.5 Tage dauern würde. Wenn die Behauptungen von Google bestätigt werden, würde dies einen exponentiellen Sprung in der Rechenleistung bedeuten.

Im August 2020 berichteten Quanteningenieure, die für Google arbeiteten, über die größte chemische Simulation auf einem Quantencomputer - eine Hartree-Fock-Näherung mit Sycamore in Kombination mit einem klassischen Computer, der die Ergebnisse analysierte, um neue Parameter für das 12-Qubit-System bereitzustellen.

Im Dezember 2020 erreichte der von USTC entwickelte chinesische photonenbasierte Jiuzhang-Prozessor eine Verarbeitungsleistung von 76 Qubits und war 10 Milliarden Mal schneller als Sycamore. Damit war er der zweite Computer, der die Quantenüberlegenheit erlangte.

Das Quantum Artificial Intelligence Lab (auch Quantum AI Lab oder QuAIL genannt) ist eine gemeinsame Initiative der NASA, der Universities Space Research Association und von Google (insbesondere Google Research), deren Ziel es ist, Pionierarbeit zu leisten, wie Quantencomputer beim maschinellen Lernen helfen können und andere schwierige Informatikprobleme. Das Labor befindet sich im Ames Research Center der NASA.

Das Quantum AI Lab wurde von Google Research am 16. Mai 2013 in einem Blogbeitrag angekündigt. Zum Zeitpunkt des Starts verwendete das Lab den fortschrittlichsten kommerziell erhältlichen Quantencomputer, D-Wave Two von D-Wave Systems.

Am 20. Mai 2013 wurde bekannt gegeben, dass sich Personen für die Nutzung der Zeit auf der D-Wave Two im Labor bewerben können. Am 10. Oktober 2013 veröffentlichte Google einen Kurzfilm, der den aktuellen Stand des Quantum AI Lab beschreibt. Am 18. Oktober 2013 gab Google bekannt, dass es die Quantenphysik in Minecraft integriert hat.

Im Januar 2014 berichtete Google über Ergebnisse, in denen die Leistung des D-Wave Two im Labor mit der von klassischen Computern verglichen wurde. Die Ergebnisse waren nicht eindeutig und lösten im Internet heftige Diskussionen aus. Am 2. September 2014 wurde bekannt gegeben, dass das Quantum AI Lab in Zusammenarbeit mit der UC Santa Barbara eine Initiative zur Schaffung von Quanteninformationsprozessoren auf der Basis supraleitender Elektronik starten wird.

Am 23. Oktober 2019 gab das Quantum AI Lab in einem Papier bekannt, dass es die Quantenüberlegenheit erreicht hat.

Google AI Quantum treibt das Quantencomputing voran, indem es Quantenprozessoren und neuartige Quantenalgorithmen entwickelt, mit denen Forscher und Entwickler kurzfristige Probleme sowohl theoretisch als auch praktisch lösen können.

Quantum Computing soll bei der Entwicklung der Innovationen von morgen, einschließlich der KI, helfen. Aus diesem Grund setzt Google erhebliche Ressourcen für den Aufbau dedizierter Quantenhardware und -software ein.

Quantum Computing ist ein neues Paradigma, das eine große Rolle bei der Beschleunigung von Aufgaben für die KI spielen wird. Google möchte Forschern und Entwicklern Zugriff auf Open Source-Frameworks und Rechenleistung bieten, die über die klassischen Rechenfunktionen hinausgehen können.

Die Hauptschwerpunkte von Google AI Quantum sind

  • Supraleitende Qubit-Prozessoren: Supraleitende Qubits mit chipbasierter skalierbarer Architektur für einen Zwei-Qubit-Gate-Fehler <0.5%.
  • Qubit-Metrologie: Die Reduzierung des Zwei-Qubit-Verlusts unter 0.2% ist für die Fehlerkorrektur von entscheidender Bedeutung. Wir arbeiten an einem Quantenüberlegenheitsexperiment, um eine Quantenschaltung zu testen, die über die Fähigkeiten moderner klassischer Computer und Algorithmen hinausgeht.
  • Quantensimulation: Die Simulation physikalischer Systeme gehört zu den am meisten erwarteten Anwendungen des Quantencomputers. Wir konzentrieren uns insbesondere auf Quantenalgorithmen zur Modellierung von Systemen wechselwirkender Elektronen mit Anwendungen in Chemie und Materialwissenschaften.
  • Quantenunterstützte Optimierung: Wir entwickeln hybride quantenklassische Löser für die ungefähre Optimierung. Thermische Sprünge in klassischen Algorithmen zur Überwindung von Energiebarrieren könnten durch Aufrufen von Quantenaktualisierungen verbessert werden. Wir sind insbesondere an einem kohärenten Bevölkerungsaustausch interessiert.
  • Quantenneurale Netze: Wir entwickeln ein Framework zur Implementierung eines quantenneuralen Netzes auf Kurzzeitprozessoren. Wir sind daran interessiert zu verstehen, welche Vorteile sich aus der Erzeugung massiver Überlagerungszustände während des Betriebs des Netzwerks ergeben können.

Die wichtigsten von Google AI Quantum entwickelten Tools sind Open-Source-Frameworks, die speziell für die Entwicklung neuartiger Quantenalgorithmen entwickelt wurden, um kurzfristige Anwendungen für praktische Probleme zu lösen. Diese schließen ein:

  • Cirq: Ein Open-Source-Quanten-Framework zum Erstellen und Experimentieren mit verrauschten NISQ-Algorithmen (Intermediate Scale Quantum) auf kurzfristigen Quantenprozessoren
  • OpenFermion: Eine Open-Source-Plattform zur Übersetzung von Problemen in Chemie und Materialwissenschaften in Quantenschaltungen, die auf vorhandenen Plattformen ausgeführt werden können

Zu den kurzfristigen Anwendungen von Google AI Quantum gehören:

Quantensimulation

Das Design neuer Materialien und die Aufklärung komplexer Physik durch genaue Simulationen von Chemie- und Kondensationsmodellen gehören zu den vielversprechendsten Anwendungen des Quantencomputers.

Techniken zur Fehlerminderung

Wir arbeiten an der Entwicklung von Methoden auf dem Weg zur vollständigen Quantenfehlerkorrektur, mit denen das Rauschen in aktuellen Geräten drastisch reduziert werden kann. Während fehlertolerantes Quantencomputing in vollem Umfang erhebliche Entwicklungen erfordern kann, haben wir die Quantum-Subraum-Expansionstechnik entwickelt, um Techniken aus der Quantenfehlerkorrektur zu nutzen und die Leistung von Anwendungen auf kurzfristigen Geräten zu verbessern. Darüber hinaus erleichtern diese Techniken das Testen komplexer Quantencodes auf kurzfristigen Geräten. Wir treiben diese Techniken aktiv in neue Bereiche und nutzen sie als Grundlage für die Gestaltung kurzfristiger Experimente.

Quantenmaschinelles Lernen

Wir entwickeln hybride quantenklassische Techniken des maschinellen Lernens auf kurzfristigen Quantengeräten. Wir untersuchen das universelle Lernen von Quantenschaltungen zur Klassifizierung und Clusterbildung von Quanten- und klassischen Daten. Wir sind auch an generativen und diskriminativen quantenneuralen Netzen interessiert, die als Quantenwiederholer und Zustandsreinigungseinheiten innerhalb von Quantenkommunikationsnetzen oder zur Verifizierung anderer Quantenschaltungen verwendet werden könnten.

Quantenoptimierung

Diskrete Optimierungen in der Luft- und Raumfahrt, in der Automobilindustrie und in anderen Branchen können von einer hybriden quantenklassischen Optimierung profitieren, z. B. simuliertes Tempern, quantenunterstützter Optimierungsalgorithmus (QAOA) und quantenverstärkter Populationstransfer können bei heutigen Prozessoren von Nutzen sein.

Um sich im Detail mit dem Zertifizierungscurriculum vertraut zu machen, können Sie die folgende Tabelle erweitern und analysieren.

Das EITC/AI/TFQML TensorFlow Quantum Machine Learning Certification Curriculum verweist auf frei zugängliche didaktische Materialien in Videoform. Der Lernprozess ist in eine schrittweise Struktur (Programme -> Lektionen -> Themen) unterteilt, die relevante Lehrplanteile abdeckt. Unbegrenzte Beratung durch Domänenexperten wird ebenfalls angeboten.
Einzelheiten zum Zertifizierungsverfahren finden Sie unter So funktioniert es.

Referenzressourcen für Lehrpläne

TensorFlow Quantum (TFQ) ist eine Bibliothek für maschinelles Quantenlernen zum schnellen Prototyping von hybriden quantenklassischen ML-Modellen. Die Erforschung von Quantenalgorithmen und -anwendungen kann die Quantencomputer-Frameworks von Google aus TensorFlow heraus nutzen. TensorFlow Quantum konzentriert sich auf Quantendaten und den Aufbau hybrider quantenklassischer Modelle. Es integriert in Cirq entwickelte Quantencomputeralgorithmen und -logik und bietet Quantencomputerprimitive, die mit vorhandenen TensorFlow-APIs kompatibel sind, sowie leistungsstarke Quantenschaltungssimulatoren. Lesen Sie mehr im TensorFlow Quantum Whitepaper. Als zusätzliche Referenz können Sie die Übersicht überprüfen und die Notebook-Tutorials ausführen.

https://www.tensorflow.org/quantum

Zirk

Cirq ist ein Open-Source-Framework für NISQ-Computer (Noisy Intermediate Scale Quantum). Es wurde vom Google AI Quantum Team entwickelt und das öffentliche Alpha wurde am 18. Juli 2018 auf dem internationalen Workshop zu Quantensoftware und Quantenmaschinellem Lernen angekündigt. Eine Demo von QC Ware zeigte eine Implementierung von QAOA und löste ein Beispiel für den maximalen Schnitt Problem wird auf einem Cirq-Simulator gelöst. Quantenprogramme in Cirq werden durch "Schaltung" und "Zeitplan" dargestellt, wobei "Schaltung" eine Quantenschaltung und "Zeitplan" eine Quantenschaltung mit Zeitinformationen darstellt. Die Programme können auf lokalen Simulatoren ausgeführt werden. Das folgende Beispiel zeigt, wie ein Bell-Status in Cirq erstellt und gemessen wird.

importieren Cirq

# Qubits auswählen
qubit0 = Cirq.GridQubit(0, 0)
qubit1 = Cirq.GridQubit(0, 1)

# Erstellen Sie eine Schaltung
Schaltung = Cirq.Schaltung.from_ops(
    Cirq.H(qubit0),
    Cirq.CNOT(qubit0, qubit1),
    Cirq.messen(qubit0, Schlüssel='m0'),
    Cirq.messen(qubit1, Schlüssel='m1')
)

Beim Drucken der Schaltung wird das Diagramm angezeigt

drucken(Schaltung)
# druckt
# (0, 0): ───H─── @ ───M ('m0') ───
# │
# (0, 1): ───────X───M ('m1') ───

Die wiederholte Simulation der Schaltung zeigt, dass die Messungen der Qubits korreliert sind.

Simulator = Cirq.Simulator()
Folge = Simulator.Lauf(Schaltung, Proben=5)
drucken(Folge)
# druckt
# m0 = 11010
# m1 = 11010

Curriculum des Zertifizierungsprogramms

Alles anzeigen
Einleitung 2-Themen
Erweitern
Inhalt der Lektion
0% abgeschlossen 0/2-Schritte
Einführung in Google AI Quantum
Einführung in das Quantencomputing
Quantencomputer implementieren 1-Thema
Erweitern
Inhalt der Lektion
0% abgeschlossen 0/1-Schritte
Aufbau eines Quantencomputers mit supraleitenden Qubits
Quantencomputer programmieren 1-Thema
Erweitern
Inhalt der Lektion
0% abgeschlossen 0/1-Schritte
Programmieren eines Quantencomputers mit Cirq
Quantenüberlegenheit 5-Themen
Erweitern
Inhalt der Lektion
0% abgeschlossen 0/5-Schritte
Quantenüberlegenheit erklärt
Steuerung von Transmon-Qubits mit einer kryogenen integrierten CMOS-Schaltung
Quantenüberlegenheit: Benchmarking des Sycamore-Prozessors
Extrahieren von Kohärenzinformationen aus zufälligen Schaltkreisen
Abschätzung der statistischen Signifikanz der Quantenüberlegenheit
Übersicht über TensorFlow Quantum 2-Themen
Erweitern
Inhalt der Lektion
0% abgeschlossen 0/2-Schritte
TensorFlow Quantum: Eine Softwareplattform für hybride quantenklassische ML
Schichtweises Lernen für quantenneurale Netze
Praktischer TensorFlow Quantum - binärer Klassifikator 1-Thema
Erweitern
Inhalt der Lektion
0% abgeschlossen 0/1-Schritte
Verwendung von Tensorflow Quantum zur einfachen binären Quantenklassifizierung
Praktisches Tensorflow Quantum - XOR Problem 2-Themen
Erweitern
Inhalt der Lektion
0% abgeschlossen 0/2-Schritte
Lösen des XOR-Problems mit quantenmaschinellem Lernen mit TFQ
Quanten-XOR-Entscheidungsgrenze mit TFQ
Quantenverstärkungslernen 1-Thema
Erweitern
Inhalt der Lektion
0% abgeschlossen 0/1-Schritte
Replizieren des Verstärkungslernens mit Quantenvariationsschaltungen mit TFQ
Quantennäherungsoptimierungsalgorithmus (QAOA) 1-Thema
Erweitern
Inhalt der Lektion
0% abgeschlossen 0/1-Schritte
Quantum Approximate Optimization Algorithm (QAOA) mit Tensorflow Quantum
Variationsquanteneigensolver (VQE) 3-Themen
Erweitern
Inhalt der Lektion
0% abgeschlossen 0/3-Schritte
Variational Quantum Eigensolver (VQE) im Tensorflow Quantum für Einzel-Qubit-Hamiltonianer
Variational Quantum Eigensolver (VQE) in TensorFlow-Quantum für 2-Qubit-Hamiltonianer
Optimierung von VQEs mit Rotosolve in Tensorflow Quantum
EITC/AI/TFQML TensorFlow Quantum Machine Learning
  • Tweet

Über Uns Administrator

Home » Mein Konto

Zertifizierungszentrum

Programm Home Alles anzeigen
Einleitung
2-Themen
Einführung in Google AI Quantum
Einführung in das Quantencomputing
Quantencomputer implementieren
1-Thema
Aufbau eines Quantencomputers mit supraleitenden Qubits
Quantencomputer programmieren
1-Thema
Programmieren eines Quantencomputers mit Cirq
Quantenüberlegenheit
5-Themen
Quantenüberlegenheit erklärt
Steuerung von Transmon-Qubits mit einer kryogenen integrierten CMOS-Schaltung
Quantenüberlegenheit: Benchmarking des Sycamore-Prozessors
Extrahieren von Kohärenzinformationen aus zufälligen Schaltkreisen
Abschätzung der statistischen Signifikanz der Quantenüberlegenheit
Übersicht über TensorFlow Quantum
2-Themen
TensorFlow Quantum: Eine Softwareplattform für hybride quantenklassische ML
Schichtweises Lernen für quantenneurale Netze
Praktischer TensorFlow Quantum - binärer Klassifikator
1-Thema
Verwendung von Tensorflow Quantum zur einfachen binären Quantenklassifizierung
Praktisches Tensorflow Quantum - XOR Problem
2-Themen
Lösen des XOR-Problems mit quantenmaschinellem Lernen mit TFQ
Quanten-XOR-Entscheidungsgrenze mit TFQ
Quantenverstärkungslernen
1-Thema
Replizieren des Verstärkungslernens mit Quantenvariationsschaltungen mit TFQ
Quantennäherungsoptimierungsalgorithmus (QAOA)
1-Thema
Quantum Approximate Optimization Algorithm (QAOA) mit Tensorflow Quantum
Variationsquanteneigensolver (VQE)
3-Themen
Variational Quantum Eigensolver (VQE) im Tensorflow Quantum für Einzel-Qubit-Hamiltonianer
Variational Quantum Eigensolver (VQE) in TensorFlow-Quantum für 2-Qubit-Hamiltonianer
Optimierung von VQEs mit Rotosolve in Tensorflow Quantum
EITC/AI/TFQML TensorFlow Quantum Machine Learning

BENUTZERMENÜ

  • Meine Buchungen

ZERTIFIKATSKATEGORIE

  • EITC-Zertifizierung (105)
  • EITCA-Zertifizierung (9)

Wonach suchst du?

  • Einleitung
  • Wie funktioniert es?
  • EITCA-Akademien
  • EITCI DSJC-Subvention
  • Vollständiger EITC-Katalog
  • Ihre Bestellung
  • Ausgewählte Auktionen
  •   IT ID
  • Über Uns
  • Kontakt

    Verwaltungsbüro der EITCA Academy

    Europäisches IT-Zertifizierungsinstitut
    Brüssel, Belgien, Europäische Union

    Die EITC/EITCA-Zertifizierungsstelle
    Regelung des europäischen IT-Zertifizierungsstandards
    Starten Kontakt Formular oder rufen Sie an: +32 25887351

    Vor 13 TagenDie #EITC/WD/WPF WordPress-Grundlagenzertifikat (Teil der #EITCA/WD) bescheinigt Sachkunde in #WordPress CMS, im … https://t.co/A2jjXPeKgj
    Folgen Sie @EITCI

    Automatisch in Ihre Sprache übersetzen

    Geschäftsbedingungen | Datenschutz
    Folgen Sie @EITCI
    EITCA-Akademie
    • EITCA Academy in sozialen Medien
    EITCA-Akademie


    © 2008-2023  Europäisches IT-Zertifizierungsinstitut
    Brüssel, Belgien, Europäische Union

    TOPS
    Chatten Sie mit dem Support
    Chatten Sie mit dem Support
    Fragen, Zweifel, Probleme? Wir sind hier, um dir zu helfen!
    Ende des Gesprächs
    Verbindung wird hergestellt ...
    Hast du eine Frage? Frag uns!
    Hast du eine Frage? Frag uns!
    :
    :
    :
    Absenden
    Hast du eine Frage? Frag uns!
    :
    :
    Chat beginnen
    Die Chat-Sitzung wurde beendet. Vielen Dank!
    Bitte bewerten Sie die Unterstützung, die Sie erhalten haben.
    Gut Badewanne