Quantum Computing und Machine Learning sind Schlüsseltechnologien, die unsere Technologielandschaft in den kommenden Dekaden maßgeblich prägen werden, und es teilweise heute schon tun. Das Modul deckt Themen in der Schnittmenge aus Quantum Computing und Machine Learning ab und lehrt diese in der Praxis umzusetzen.
... die formalen Grundbegriffe des Quantum Computings (Quantenzustand, Bit vs. Qubit, Messung) beschreiben.
... die formalen Grundbegriffe des Machine Learnings (Zielfunktion, Modellklasse, Kreuzvalidierung, Kernel-Funktion) wiedergeben.
... Ideen und Bausteine von Quantenalgorithmen für QML-Probleme verwenden.
... die Quantum Support Vector Machine Methode beschreiben und in Anwendungsfällen verwenden.
... die Stärken, Schwächen und Grenzen aktueller QML-Verfahren formulieren.
| Veranstalter | Fraunhofer ITWM Fraunhofer FOKUS Fraunhofer IAIS Fraunhofer IPA Fraunhofer FIT |
|---|---|
| Veranstaltungstyp | Zertifikatskurs |
| Veranstaltungsort | Fraunhofer FOKUS Kaiserin-Augusta-Allee 31 10589 Berlin |
| Format | Präsenz + Online |
| Sprache | Englisch |
| Zielgruppe |
|
| Kursdauer/Tagesablauf | Online:
Präsenz:
|
| Zugangsvoraussetzung | Bereits Vorerfahrungen im Bereich Data Science / Machine Learning oder Quantum Computing oder ähnliche Vorerfahrungen (kann individuell auch abgeklärt werden) |
| Kurzbeschreibung der Inhalte |
|
Fraunhofer Academy
