MACHINE LEARNING QUÂNTICO
Transforme desafios complexos em oportunidades com a fusão da IA e da computação quântica
Entenda a Computação Quântica
Descubra os conceitos-chave da computação quântica e como ela revoluciona o processamento de dados.
Explore o Machine Learning Quântico
Veja como o aprendizado de máquina pode ser potencializado com algoritmos quânticos para resolver problemas complexos
Use Ferramentas como Qiskit e PennyLane
Aprenda na prática a implementar modelos quânticos com as principais bibliotecas do mercado.
Aplique QML em Casos Reais
Conheça aplicações práticas do QML em áreas como finanças, otimização e análise de dados.
//O Curso
Machine Learning Quântico
Descubra como a computação quântica pode transformar o aprendizado de máquina. Aprenda os princípios dos algoritmos quânticos, explore ferramentas como Qiskit e PennyLane e aplique seus conhecimentos em desafios reais nas áreas de finanças, otimização e ciência de dados. Um curso acessível e prático para quem quer estar na vanguarda da IA
Público Alvo
Profissionais e estudantes de tecnologia, computação, engenharia ou física que desejam explorar o potencial do aprendizado de máquina quântico. É indicado ter noções básicas de Python e matemática.
Módulo 1: Introdução à Computação Quântica
- O que é Computação Quântica?
- Diferenças entre computadores clássicos e quânticos;
- Princípios Fundamentais;
- Superposição, Emaranhamento e Interferência;
- Qubits e Portas Lógicas;
- Conceito de qubits, portas quânticas (X, Y, Z, H, CNOT);
- Ferramentas e Simuladores;
- Introdução ao Qiskit (IBM) e Google Cirq;
Módulo 2: Programação com Qiskit e Cirq
- Instalação e Configuração do Ambiente de Desenvolvimento;
- Construindo Circuitos Quânticos:Implementação de portas quânticas básicas;
- Medições em qubits;
- Comparação entre Qiskit e Cirq;
- Diferenças nos paradigmas de modelagem e execução.
- Exercício Prático: Criação de um pequeno circuito quântico simulando um algoritmo simples.
Módulo 3: Algoritmos Quânticos Básicos
- Introdução a Algoritmos Quânticos;
- Algoritmo de Deutsch-Jozsa;
- Algoritmo de Grover;
- Implementação em Qiskit;
- Desenvolvimento prático de algoritmos usando Qiskit.
Módulo 4: Machine Learning Clássico e Quântico
- Fundamentos de Machine Learning Clássico;
- Revisão rápida de classificação, regressão e redes neurais;
- Introdução ao Machine Learning Quântico (QML);
- Diferenças e vantagens potenciais do QML;
- Arquitetura de Quantum Neural Networks (QNNs);
- Bibliotecas para QML;
- Qiskit Machine Learning e Pennylane.
Módulo 5: Aplicação Prática – Implementação de QML
- Pipeline de QML;
- Pré-processamento de dados para QML;
- Representação de dados no espaço quântico;
- Implementação:
- Construção de um classificador quântico usando Qiskit e Pennylane;
- Comparação com modelos clássicos.Estudo de Caso:Projeto final: Aplicação prática do QML em um problema de classificação simples nos computadores quânticos da Google (ex.: reconhecimento de padrões em imagens ou séries temporais).
Módulo 6: Introdução à Correção de Erros Quânticos
- Desafios dos Sistemas Quânticos;
- Ruído e decoerência;
- Códigos de Correção de Erros;
- Código de três qubits;
- Código de superfície.
- Implementação Prática:
- Simulação de correção de erros usando Qiskit e Cirq.
Módulo 7: Futuro da Computação Quântica e Perspectivas de Mercado (3 horas)
- Tendências em Computação Quântica;
- Hardware quântico de próxima geração;
- Avanços em algoritmos quânticos;
- Setores impactados pela Computação Quântica;
- Finanças, logística, química computacional, inteligência artificial;
- Carreiras em Computação Quântica;
- Habilidades exigidas e oportunidades de mercado.
//Explore a Jornada do Curso
Desvende o Futuro com Machine Learning Quântico
Prepare-se para embarcar em uma nova era da tecnologia, onde aprendizado de máquina encontra a computação quântica. Neste curso, você vai conhecer as bases teóricas e práticas do Quantum Machine Learning (QML), utilizando bibliotecas como Qiskit e PennyLane para aplicar algoritmos quânticos a problemas reais.
- Fundamentos da Computação Quântica
- Introdução ao Aprendizado de Máquina Quântico
- Implementação com Qiskit e PennyLane
- Modelos Híbridos (Clássico + Quântico)
- Aplicações em Finanças, Otimização e Ciência de Dados
- Projetos Práticos e Avaliação
Ao final do curso, você estará apto a aplicar técnicas quânticas em cenários reais, ampliando seu repertório técnico e se destacando em uma das áreas mais inovadoras da computação. Não perca esta oportunidade de aprimorar suas habilidades em um campo em constante evolução. Inscreva-se agora!
//Próxima Turma
Machine Learning Quântico
Prazo de Matrícula: 28/04/2025
Informações
Período
05/05/2025 a 07/07/2025
Dias e Horários
Segundas-feiras, das 17h às 19h
Modalidade
Online ou Presencial – PUC-Rio, Prédio Cardeal Leme
Carga Horária
20 horas
Investimento
3 parcelas de R$ 313,00
//Docentes
Professores do Curso
Explore nossa equipe de professores altamente especializada, pronta para elevar sua carreira a novos horizontes
