Ponte en Contacto
 Duración 21 horas

Temario del curso

Introducción a la integración de IA cuántica

  • Motivaciones para la inteligencia híbrida cuántico-clásica
  • Oportunidades clave y barreras tecnológicas actuales
  • Posicionamiento de Google Willow dentro del 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 características
  • APIs para experimentación avanzada

Modelos híbridos cuántico-clásicos

  • Distribución de tareas entre componentes cuánticos y clásicos
  • Estrategias de codificación de datos para el aprendizaje mejorado con tecnología 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 del rendimiento y gestión de recursos

  • Desarrollo de modelos de IA conscientes del ruido
  • Gestión de las restricciones de computación en sistemas híbridos
  • Medición de rendimiento de la IA cuántica (benchmarking)

Aplicaciones y casos de uso emergentes

  • Análisis de datos mejorado con tecnología cuántica
  • Optimización impulsada por IA con aceleración cuántica
  • Potencial de adopción intersectorial

Tendencias futuras en la convergencia de IA y computación cuántica

  • Planes de ruta para sistemas de IA cuántica a gran escala
  • Avances arquitectónicos y evolución del hardware
  • Direcciones de investigación que dan forma al horizonte de la IA cuántica

Resumen y siguientes pasos

Requerimientos

  • Comprensión de los conceptos de la computación cuántica
  • Experiencia con marcos de trabajo de aprendizaje automático
  • Conocimiento de los flujos de trabajo híbridos cuántico-clásicos

Público objetivo

  • Ingenieros de IA
  • Especialistas en aprendizaje automático
  • Investigadores en computación cuántica

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas