Quantum Machine Learning : What Quantum Computing Means to Data Mining

یادگیری ماشین کوانتومی شکاف بین پیشرفت‌های انتزاعی در محاسبات کوانتومی و تحقیقات کاربردی در مورد یادگیری ماشین را پر می‌کند. با کاهش پیچیدگی رشته های درگیر، بر ارائه ترکیبی تمرکز می کند که مهم ترین الگوریتم های یادگیری ماشین را در یک چارچوب کوانتومی توضیح می دهد. پیشرفت های نظری در محاسبات کوانتومی برای دانشمندان کامپیوتر و حتی گاهی اوقات برای محققان درگیر در این زمینه دشوار است. فقدان یک راهنمای گام به گام مانع درک گسترده تر این مجموعه تحقیقاتی میان رشته ای نوظهور می شود.

یادگیری ماشین کوانتومی زمینه را برای درک عمیق تر موضوع برای خوانندگان با پیشینه های مختلف فراهم می کند. نویسنده به دقت مقایسه واضحی از الگوریتم‌های یادگیری کلاسیک و همتایان کوانتومی آنها ایجاد کرده است، بنابراین تفاوت‌ها در پیچیدگی محاسباتی و عملکرد یادگیری آشکار می‌شود. این کتاب مجموعه وسیعی از تحقیقات را در ارائه‌ای قابل مدیریت و مختصر با مثال‌ها و کاربردهای عملی ترکیب می‌کند.

• فاصله بین پیشرفت‌های انتزاعی در محاسبات کوانتومی و کاربردی را پر می‌کند. تحقیق در مورد یادگیری ماشین
• حداقل نظری یادگیری ماشین، مکانیک کوانتومی و محاسبات کوانتومی را ارائه می دهد
• راهنمایی های گام به گام را برای درک وسیع تری از این مجموعه تحقیقاتی میان رشته ای نوظهور ارائه می دهد.

Quantum Machine Learning bridges the gap between abstract developments in quantum computing and the applied research on machine learning. Paring down the complexity of the disciplines involved, it focuses on providing a synthesis that explains the most important machine learning algorithms in a quantum framework. Theoretical advances in quantum computing are hard to follow for computer scientists, and sometimes even for researchers involved in the field. The lack of a step-by-step guide hampers the broader understanding of this emergent interdisciplinary body of research.

Quantum Machine Learning sets the scene for a deeper understanding of the subject for readers of different backgrounds. The author has carefully constructed a clear comparison of classical learning algorithms and their quantum counterparts, thus making differences in computational complexity and learning performance apparent. This book synthesizes of a broad array of research into a manageable and concise presentation, with practical examples and applications.

• Bridges the gap between abstract developments in quantum computing with the applied research on machine learning
• Provides the theoretical minimum of machine learning, quantum mechanics, and quantum computing
• Gives step-by-step guidance to a broader understanding of this emergent interdisciplinary body of research