angličtina

Absolvent předmětu je schopen: (a) pochopit problematiku kvantových počítačů, konkrétně je schopen rozpoznat, kdy je takový výpočet výhodný; (b) počítat a navrhovat základní algoritmy pro kvantové počítače.

1 - Organizace výuky, úvod do strojového učení, motivace
2 - Základy lineární algebry pro ML
3 - Podpůrné vektory, Support vector Machines
4 - Úvod do umělých neuronových sítí, reprezentace, klasifikace
5 - Trénování neuronových sítí (lineární regrese, Gradientní metoda,
polynomiální regrese, ...)
6 - Konvoluční neuronové sítě
7 - Rekurzivní neuronové sítě
8 - Ladění hyperparametrů, dávková normalizace a programovací rámce
9 - Učení bez dozoru
10 - Generativní učení, autoenkodéry, GAN
11 - Strojové učení ve velkém měřítku

Cílem předmětu je seznámit studenty se základními koncepty kvantové fyziky a algoritmy nezbytnými pro práci s kvantovou informací. Kvantová mechanika jako obor fyziky zkoumá, jak se mikroskopické fyzické dynamické systémy mění v přírodě. Nicméně v oblasti teorie kvantových informací jsou studované kvantové systémy jako teoretické abstraktní systémy a koncepty abstrahované od samotné kvantové mechaniky. Cílem počítačových cvičení je pak získat praktické zkušenosti s implementací algoritmů pomocí kvantové teorie.