Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung in die Integration von Quantencomputing und Künstlicher Intelligenz
- Beweggründe für den Einsatz hybrider Quanten-Klassik-Intelligenzsysteme
- Hauptmöglichkeiten sowie gegenwärtige technische Herausforderungen
- Die Positionierung von Google Willow im Kontext des Quanten-KI-Feldes
Architektur und Funktionalitäten von Google Willow
- Übersicht über das System sowie Struktur der Entwicklungsumgebung
- Unterstützte Quantenoperationen und verfügbare Funktionen
- APIs für fortgeschrittene Experimente
Hybride Quanten-Klassik-Modelle
- Aufteilung von Aufgaben zwischen quantischen und klassischen Komponenten
- Strategien zur Kodierung von Daten für das quantenbasierte Lernen
- Verfahren zur Zustandsinitialisierung sowie Messung in Quantensystemen
Algorithmen des Quanten-Maschinellen Lernens
- Variabel genutzte Quantenschaltkreise für KI-Aufgaben
- Quantenkerne sowie Repräsentationsmethoden in Form von Merkmalskarten
- Optimierungsprozesse für hybride Modelle
Erstellung quanten-KI-Workflows unter Verwendung von Willow
- End-to-End-Entwicklung hybrider Modelle
- Integration von Willow mit TensorFlow Quantum
- Tests sowie Validierung quanten-KI-Prototypen
Leistungsoptimierung und Verwaltung von Ressourcen
- Entwicklung KI-Modelle unter Berücksichtigung von Quantenrauschen
- Umgang mit Rechenbeschränkungen in hybriden Systemen
- Leistungsmessung von quanten-KI-Instanzen
Anwendungsbereiche und zukünftige Nutzungsszenarien
- Quantenbasierte Datenanalyseverfahren
- KI-gesteuerte Optimierung mit Hilfe von Quantencomputing
- Möglichkeiten der Verbreitung solcher Technologien in verschiedenen Branchen
Zukünftige Trends bei der Entwicklung Quanten-KI-Systeme
- Planungen für großmaßstäbliche Quanten-KI-Entwicklungsprojekte
- Architekturverbesserungen sowie Weiterentwicklungen der Hardwareplattformen
- Forschungsschwerpunkte, die das Feld Quanten-KI prägen werden
Zusammenfassung und weitere Schritte
Voraussetzungen
- Grundkenntnisse im Bereich Quantencomputing
- Erfahrung mit gängigen Machine-Learning-Frameworks
- Kenntnis von hybriden Quanten-Klassik-Workflows
Zielgruppe
- KI-Ingenieure
- Spezialisten im Bereich Maschinelles Lernen
- Forscher aus dem Bereich Quantencomputing
21 Stunden