moduł #1 Wprowadzenie do obliczeń kwantowych Przegląd obliczeń kwantowych, ich zasad i zastosowań
moduł #2 Bity kwantowe i bramki kwantowe Wprowadzenie do kubitów, bramek kwantowych i obwodów kwantowych
moduł #3 Pomiary i operacje kwantowe Zrozumienie pomiaru kwantowego, superpozycji i splątania
moduł #4 Wprowadzenie do uczenia maszynowego Przegląd uczenia maszynowego, typów uczenia i kluczowych koncepcji
moduł #5 Uczenie maszynowe z wykorzystaniem języka Python Praktyczne wprowadzenie do uczenia maszynowego z wykorzystaniem języka Python i popularnych bibliotek
moduł #6 Podstawy uczenia maszynowego kwantowego Wprowadzenie do uczenia maszynowego kwantowego, jego zasad i zastosowań
moduł #7 K-średnie kwantowe i maszyny wektorów nośnych Wersje kwantowe maszyn k-średnich i wektorów nośnych oraz ich zalety
moduł #8 Neurony kwantowe Sieci Wprowadzenie do kwantowych sieci neuronowych, ich architektury i metod szkolenia
moduł #9 Uczenie się obwodów kwantowych Uczenie się obwodów kwantowych, w tym uczenie obwodów i optymalizacja obwodów
moduł #10 Uczenie się wzmacniające kwantowe Wprowadzenie do kwantowego uczenia się wzmacniającego, jego zasad i zastosowań
moduł #11 Uczenie się nienadzorowane kwantowe Uczenie się nienadzorowane kwantowe, w tym klasteryzacja i redukcja wymiarowości
moduł #12 Uczenie się nadzorowane kwantowe Uczenie się nadzorowane kwantowe, w tym klasyfikacja i regresja
moduł #13 Metauczenie się kwantowe Wprowadzenie do kwantowego metauczenia się, jego zasad i zastosowań
moduł #14 Uczenie się transferowe kwantowe Uczenie się transferowe kwantowe, jego zalety i zastosowania
moduł #15 Generatywne modele kwantowe Wprowadzenie do kwantowych modeli generatywnych, w tym GAN i VAE
moduł #16 Metody optymalizacji kwantowej Wprowadzenie do metod optymalizacji kwantowej, w tym VQE i QAOA
moduł #17 Klasyczne hybrydowe modele kwantowe Klasyczno-kwantowe hybrydowe modele, ich zalety i zastosowania
moduł #18 Studia przypadków w kwantowym uczeniu maszynowym Zastosowania w świecie rzeczywistym i studia przypadków kwantowego uczenia maszynowego
moduł #19 Kwantowe uczenie maszynowe z Qiskit Praktyczne doświadczenie z Qiskit, popularną biblioteką kwantowego uczenia maszynowego
moduł #20 Kwantowe uczenie maszynowe z TensorFlow Quantum Praktyczne doświadczenie z TensorFlow Quantum, popularną biblioteką kwantowego uczenia maszynowego
moduł #21 Kwantowe uczenie maszynowe z PyTorch Quantum Praktyczne doświadczenie z PyTorch Quantum, popularną biblioteką kwantowego uczenia maszynowego
moduł #22 Kwantowe uczenie maszynowe Wyzwania wdrożeniowe Wyzwania w implementacji modeli i rozwiązań uczenia maszynowego kwantowego
moduł #23 Etyka i uczciwość uczenia maszynowego kwantowego Rozważania etyczne i uczciwość w uczeniu maszynowym kwantowym
moduł #24 Mapa drogowa i przyszłe kierunki rozwoju uczenia maszynowego kwantowego Przyszłe kierunki i mapa drogowa badań i zastosowań uczenia maszynowego kwantowego
moduł #25 Podsumowanie i zakończenie kursu Planowanie kolejnych kroków w karierze w Quantum Machine Learning
