Introducción al Quantum Machine Learning y la Optimización Cuántica100% online y compatible con el ejercicio profesional

Cerrar explora esta secciónHamburguesa explora esta secciónMENÚ / Sobre el programa

¿En qué consiste el Programa?

La Universidad de Deusto te invita a explorar el apasionante mundo del Quantum Machine Learning y la Optimización Cuántica a través de este curso integralmente online diseñado por expertos en el campo. 

 

null

Técnicas quantum machine Learning y optimización

En este curso, se estudiarán las principales técnicas del quantum machine learning y de la optimización cuántica, tanto desde un punto de vista teórico como desde una perspectiva práctica. 

null

Ejemplificación de conceptos matemáticos

Se introducirán los conceptos matemáticos necesarios, siempre ejemplificados adecuadamente, y se explicarán los algoritmos fundamentales de optimización y aprendizaje automático cuánticos.

null

Practicidad adaptada al mundo

Se desarrollarán implementaciones funcionales tanto en simuladores como en ordenadores cuánticos reales.

null

Resolucion de problemas reales

Se pondrá un especial énfasis en aplicar los conceptos estudiados en problemas reales, tanto de optimización como de machine learning.

  • Lugar:

    Campus Bilbao

    Campus virtual

  • Titulación:

    Introducción al Quantum Machine Learning y la Optimización Cuántica

  • Idioma:

    Español

  • Tipo de enseñanza:

    Online

  • Proceso de ingreso:

    Proceso de ingreso abierto

  • Información adicional:

    100% BONIFICADO

  • Facultad:

    Ingenieria
  • Comparte:

Testimonio Pablo García Bringas

Los responsables del programa te lo cuentan

Los participantes explorarán la Inteligencia Artificial Cuántica, una materia de innovación radical.

Pablo García BringasVicedecano de Relaciones Externas - Facultad Ingeniería
Testimonio Valentin Garcia

Los responsables del programa te lo cuentan

Una oportunidad muy singular de aportar valor al mundo laboral y empresarial, en una de las materias con más proyección de futuro.

Valentín García Souto Director de Innovación en Lantik
null

Duración

36 horas (6 semanas con dos sesiones de 3 horas a la semana: lunes y miércoles, de 15:00 a 18:00 horas)

Se cubrirán los siguientes algoritmos y técnicas:

null

Se cubrirán los siguientes algoritmos y técnicas:

● Quantum Support Vector Machines
● Quantum Neural Networks
● Quantum Generative Adversarial Networks
● Quadratic Unconstrained Binary Optimization
● Quantum Annealing
● Quantum Approximate Optimization Algorithm
● Variational Quantum Eigensolver

INTRODUCCIÓN AL QUANTUM MACHINE LEARNING Y LA OPTIMIZACIÓN CUÁNTICA

PLAN DE ESTUDIOS

1

Quantum Machine Learning

  • Fundamentos teóricos de la computación cuántica
  • Introducción al marco de desarrollo PennyLane
  •  Nociones generales de aprendizaje automático. ¿Qué es el aprendizaje automático cuántico?
  • Máquinas cuánticas de soporte vectorial: teoría y uso práctico
  •  Redes neuronales cuánticas
  • Cómo entrenar una red neuronal cuántica con PennyLane y sus interfaces a TensorFlow y PyTorch
  • Consideraciones prácticas a la hora de entrenar modelos
  • Arquitecturas híbridas con redes neuronales cuánticas
  • Redes generativas adversarias cuánticas
  • Ejemplos de uso de redes generativas adversarias
  • Otros marcos de desarrollo
  • ¿Dónde se usará el aprendizaje automático cuántico?

 

 

2

Optimización cuántica

  • Breve introducción a la teoría de la complejidad computacional
  • El problema MaxCut y el modelo de Ising
  • Quadratic Unconstrained Binary Optimization (QUBO)
  • Formulando problemas en QUBO
  • Quantum Annealing
  • D-Wave Leap y Ocean
  • Quantum Approximate Optimization Algorithm (QAOA)
  • Ejecutando QAOA en Qiskit
  • Variational Quantum Eigensolver
  • Ejecutando VQE en Qiskit

Las librerías y plataformas que utilizaremos

Para más información

null

Para más información

Para recibir más información puedes contactar con: