En serie föreläsningar och övningar om:
- Qubits, kvantgrindar och kretsar
- Kvantmaskininlärning med parametriserade kvantkretsar
FDD3268 Tillämpad kvantmaskininlärning 5,0 hp
Information per kursomgång
Information för HT 2024 Start 2024-10-28 programstuderande
- Studielokalisering
KTH Campus
- Varaktighet
- 2024-10-28 - 2025-01-13
- Perioder
- P2 (5,0 hp)
- Studietakt
25%
- Anmälningskod
51056
- Undervisningsform
Normal Dagtid
- Undervisningsspråk
Engelska
- Kurs-PM
- Kurs-PM är inte publicerat
- Antal platser
Ingen platsbegränsning
- Målgrupp
- Ingen information tillagd
- Planerade schemamoduler
- [object Object]
- Schema
- Schema är inte publicerat
- Del av program
- Ingen information tillagd
Kontakt
Stefano Markidis (markidis@kth.se)
Kursplan som PDF
Notera: all information från kursplanen visas i tillgängligt format på denna sida.
Kursplan FDD3268 (HT 2023–)Rubriker med innehåll från kursplan FDD3268 (HT 2023–) är markerade med en asterisk ( )
Innehåll och lärandemål
Kursupplägg
Kursinnehåll
Kursen är uppdelad i två moduler:
Modul I - Introduktion till Qubits, Quantum Gates and Circuits: Introduktion till kvantberäkningar, kvantbitar, kvantgrindar och kvantkretsar.
Modul II - Kvantmaskininlärning med parametriserade kvantkretsar: datakodning, träning av parametriserade kvantkretsar, variationsklassificering, kvantfunktionskartor och kärnor.
Dessutom diskuterar vi hållbarhetsaspekterna av kvantmaskininlärning.
Lärandemål
Efter godkänd kurs ska studenten kunna:
- Beskriva och diskutera hur man utvecklar en maskininlärningsapplikation med hjälp av en kvantparametriserad krets
- Designa och implementera en maskininlärningsapplikation med hjälp av programvara för kvantmaskininlärning
- Lista skillnaderna mellan klassiska och kvantmetoder för maskininlärning
- Jämför kostnaden för kvantmaskininlärning med traditionell datoranvändning när det gäller strömförbrukning
Kurslitteratur och förberedelser
Särskild behörighet
Kunskaper i grundläggande maskininlärningstekniker och linjär algebra krävs. Erfarenhet av Python krävs.
Rekommenderade förkunskaper
Kunskaper i grundläggande maskininlärningstekniker och linjär algebra krävs. Erfarenhet av Python krävs.
Utrustning
En bärbar eller stationär dator är nödvändig för att slutföra slutprojektet.
Kurslitteratur
Den rekommenderade läroboken är "Supervised Learning with Quantum Computers" av M. Schuld och F. Petruccione. Boken är tillgänglig online i KTHs elektroniska bibliotek.
Examination och slutförande
När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.
Betygsskala
P, F
Examination
- EXA1 - Examination, 5,0 hp, betygsskala: P, F
Examinator beslutar, baserat på rekommendation från KTH:s handläggare av stöd till studenter med funktionsnedsättning, om eventuell anpassad examination för studenter med dokumenterad, varaktig funktionsnedsättning.
Examinator får medge annan examinationsform vid omexamination av enstaka studenter.
För att klara kursen måste studenten klara ett avancerat slutkursprojektet (rapport och presentation).
Möjlighet till komplettering
Ingen information tillagd
Möjlighet till plussning
Ingen information tillagd
Examinator
Etiskt förhållningssätt
- Vid grupparbete har alla i gruppen ansvar för gruppens arbete.
- Vid examination ska varje student ärligt redovisa hjälp som erhållits och källor som använts.
- Vid muntlig examination ska varje student kunna redogöra för hela uppgiften och hela lösningen.
Ytterligare information
Kursrum i Canvas
Registrerade studenter hittar information för genomförande av kursen i kursrummet i Canvas. En länk till kursrummet finns under fliken Studier i Personliga menyn vid kursstart.
Ges av
Huvudområde
Denna kurs tillhör inget huvudområde.
Utbildningsnivå
Forskarnivå
Påbyggnad
Ingen information tillagd
Kontaktperson
Stefano Markidis (markidis@kth.se)