Apprendimento automatico quantistico con Python: Utilizzando Cirq di Google Research e IBM Qiskit

Recensioni dei lettori

Il libro si propone di fornire approfondimenti sull'apprendimento automatico quantistico, ma è largamente al di sotto delle aspettative, contenendo materiale facilmente reperibile piuttosto che guide approfondite o contenuti originali. È più adatto ai professionisti che hanno già un certo background nell'informatica quantistica. Sebbene offra informazioni utili, manca di originalità e profondità, il che lo rende meno prezioso per coloro che hanno già conoscenze nel campo.

⬤ Alcuni contenuti sono materiali introduttivi ben scritti
⬤ utili per i professionisti che vogliono imparare l'informatica quantistica
⬤ copre gli argomenti di base dell'apprendimento automatico quantistico.

⬤ Manca di profondità e originalità
⬤ si tratta per lo più di una raccolta di risorse esistenti
⬤ molti errori di battitura
⬤ scarse spiegazioni del codice
⬤ richiede un miglioramento degli aspetti pedagogici
⬤ potrebbe non valere l'acquisto per chi ha familiarità con l'argomento.

(basato su 6 recensioni dei lettori)

Titolo originale:

Quantum Machine Learning with Python: Using Cirq from Google Research and IBM Qiskit

Contenuto del libro:

Scalare rapidamente i fondamenti dell'informatica quantistica e dell'apprendimento automatico quantistico e la relativa matematica ed esporli a diversi casi d'uso che possono essere risolti con algoritmi basati sulla quantistica. Questo libro spiega l'informatica quantistica, che sfrutta le proprietà meccaniche quantistiche delle particelle subatomiche. Esamina inoltre l'apprendimento automatico quantistico, che può aiutare a risolvere alcuni dei problemi più impegnativi nel campo delle previsioni, della modellazione finanziaria, della genomica, della sicurezza informatica, della logistica della catena di approvvigionamento e della crittografia.

Inizierete con una revisione dei concetti fondamentali dell'informatica quantistica, come le notazioni di Dirac, i Qubit e lo stato di Bell, seguita dai postulati e dalle basi matematiche dell'informatica quantistica. Una volta stabilite le basi, si approfondiranno gli algoritmi basati sulla quantistica, tra cui la trasformata di Fourier quantistica, la stima di fase e l'HHL (Harrow-Hassidim-Lloyd).

Verranno poi introdotti gli algoritmi di Quantum machine learning e Quantum deep learning, insieme agli argomenti avanzati dei processi adiabatici quantistici e dell'ottimizzazione basata sui quanti. In tutto il libro sono presenti implementazioni Python di diversi algoritmi di Quantum machine learning e Quantum computing utilizzando il toolkit Qiskit di IBM e Cirq di Google Research.

Cosa imparerete

⬤ Comprendere il calcolo quantistico e l'apprendimento automatico quantistico.

⬤ Esplorare vari domini e gli scenari in cui le soluzioni di apprendimento automatico quantistico possono essere applicate.

⬤ Sviluppare competenze nello sviluppo di algoritmi in diversi framework di Quantum computing.

⬤ Rivedere le principali sfide legate alla costruzione di computer quantistici su larga scala e all'applicazione delle varie tecniche.

Per chi è questo libro?

Appassionati di apprendimento automatico e ingegneri che vogliono passare rapidamente all'apprendimento automatico quantistico.