Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Duración 21 horas
Temario del curso
Introducción a la integración cuántico-IA
- Motivaciones para la inteligencia híbrida cuántico-clásica.
- Principales oportunidades y barreras tecnológicas actuales.
- Posicionamiento de Google Willow en el panorama de la IA cuántica.
Arquitectura y capacidades de Google Willow
- Visión general del sistema y estructura de la cadena de herramientas.
- Operaciones cuánticas soportadas y conjunto de funciones.
- APIs para experimentación avanzada.
Modelos híbridos cuántico-clásicos
- División de tareas entre componentes cuánticos y clásicos.
- Estrategias de codificación de datos para aprendizaje potenciado por cuántica.
- Flujos de trabajo de preparación de estado y medición.
Algoritmos de aprendizaje automático cuántico
- Circuitos cuánticos variacionales para tareas de IA.
- Kernel cuánticos y mapas de características.
- Bucles de optimización para modelos híbridos.
Construcción de pipelines de IA cuántica con Willow
- Desarrollo de modelos híbridos de extremo a extremo.
- Combinación de Willow con TensorFlow Quantum.
- Pruebas y validación de prototipos de IA cuántica.
Optimización de rendimiento y gestión de recursos
- Desarrollo de modelos de IA conscientes del ruido.
- Gestión de restricciones de cómputo en sistemas híbridos.
- Comparación de rendimiento (benchmarking) de la IA cuántica.
Aplicaciones y casos de uso emergentes
- Análisis de datos potenciado por computación cuántica.
- Optimización impulsada por IA con aceleración cuántica.
- Potencial de adopción entre industrias.
Tendencias futuras en la convergencia cuántico-IA
- Rutas para sistemas de IA cuántica a gran escala.
- Avances arquitectónicos y evolución del hardware.
- Direcciones de investigación que dan forma a la frontera de la IA cuántica.
Resumen y próximos pasos
Requerimientos
- Comprensión de los conceptos de computación cuántica.
- Experiencia con frameworks de aprendizaje automático.
- Conocimiento de flujos de trabajo híbridos cuántico-clásicos.
Público objetivo
- Ingenieros de IA.
- Especialistas en aprendizaje automático.
- Investigadores en computación cuántica.