量子計算實戰

其他會員也一起購買

書名：量子計算實戰 出版社：碁峰 出版年月：201912 條碼：9789865023478 內容簡介 利用Python量子組合語言以及IBM的Q Experience編寫量子程式 在全新的量子計算領域發展演算法及程式。本書涵蓋幾個主題，例如量子電腦的物理特性：包括量子位元(qubit)、糾纏(entanglement)、邏輯閘電路，以及其與傳統電腦的區別。此外，《量子計算實戰》也利用IBM的Q Experience探討雲端的量子計算。討論的項目包括有：作曲家程式(composer)、量子分數、實驗、電路、模擬器、實際的量子裝置等等。讀者可以在雲端的實際量子裝置上面執行程式。 另外，本書也教你怎麼用QISKit(量子資訊軟體套件)、Python SDK、以及其他像QASM(量子組合語言)這類的API來寫量子程式。讀者將學會用這些語言編寫程式碼，並且以本地/雲端的模擬器或IBM的Q Experience提供的真實量子電腦來執行。最後，我們還會學到糾纏態、隨機數字產生、線性搜索、質因數分解及其他一些常見的量子演算法。並因而有機會探討糾纏貝爾狀態的內部機制、Grover線性搜索、Shor質因數分解，以及包含最佳化領域的其他一些演算法。 在學習過程中還會用魔方(Magic Square)來探討遊戲理論。魔方是類似量子傳心術的一個例子，身在其中的參與者互相分享糾纏態，並且可以被觀察出彼此之間有某種程度的通信機制存在。遊戲中Alice與Bob跟裁判員對賭，利用量子力學有辦法讓Alice跟Bob只贏不輸！ 讀完本書後，讀者將理解此新興技術相較於傳統電腦，是如何實現了大規模的平行度及巨大的計算效能改善。並將具備編寫量子計算程式之能力—量子電腦被預期將取代資料中心的傳統電腦。 讀者將學習 ‧使用最早出現的網頁控制台：Q Experience作曲家程式，來打造視覺化的程式/實驗，並傳送到模擬器或雲端的真實裝置執行 ‧利用Q Experience REST API遠端執行程式 ‧寫出比傳統版本更強大的量子版本演算法 ‧建立Node.js REST客戶端程式，用來認證、列出遠端裝置、查詢量子處理器資訊、列出或執行雲端上的程式/實驗 ‧打造量子數字產生器：即帶有量子意涵的典型硬幣拋擲 ‧發掘量子遙傳：此演算法展示如何將一個量子位元或量子資訊的確切狀態，藉由傳統通信及發送/接收者之間的量子糾纏，從某處傳至他處 ‧以帶有量子意味、典型的戰艦遊戲一窺單一個量子位元的運作 ‧解決偽幣問題：這是個古典的謎題，探討在總共8枚硬幣的槓桿秤中，如何只用兩個步驟找出偽幣 作者介紹 作者簡介 Vladimir Silva 從Middle TN州立大學取得電腦科學碩士學位。他在IBM作為研究工程師工作五年，在這段期間獲得廣泛的分散與網格計算方面的經驗。 他擁有許多IT證照，包括OCP、MCSD、MCP，也幫IBM developerWorks寫過許多技術文章。他之前的著作包括《Grid Computing for Developers》(Charles River Media)、《Practical Eclipse Rich Client Platform》(Apress)、《Pro Android Games》(Apress)、《Advanced Android 4 Games》(Apress)。 身為狂熱的馬拉松跑者、而且在北卡全州已完成了16場賽事(迄本書寫作之時)，在寫程式、寫作、或跑步之外的時間，他喜歡彈奏古典吉他以及思考像是量子力學這類很棒的事物。 目錄 Chapter 1 奇異又美妙的量子力學世界 Chapter 2 量子計算：細究真實背後的脈絡 Chapter 3 IBM Q Experience — 獨一無二的雲端量子計算平台 Chapter 4 QISKit — 用 Python 寫量子程式的絕佳 SDK Chapter 5 啟動引擎：從量子隨機數到遙傳，以及初探超密編碼 Chapter 6 玩轉量子遊戲 Chapter 7 利用量子力學的遊戲理論—你的贏面總比別人高 Chapter 8 更快速的搜尋，以及威脅非對稱密碼學基礎的 Grover 與 Shor 演算法

Deep Learning: 用Python進行深度學習的基礎理論實作

其他會員也一起購買

書名：DEEP LEARNING｜用PYTHON進行深度學習的基礎理論實作 出版社：歐萊禮 出版年月：201708 條碼：9789864764846 內容簡介 不走捷徑，幫助您真正搞懂「深度學習」的真義 這是一本與「深度學習」有關的書籍。從入門開始說明，一步一步帶領你瞭解深度學習必須具備的知識。本書可以幫助您了解：深度學習究竟是什麼？有何特色？根據何種原理來運作？ 從零開始，由實做中學習 本書的目標是，盡量避免使用不瞭解內容的「黑盒子」，以基礎的知識為起點，以容易上手的Python撰寫程式，從動手實作的過程中，一步步深入瞭解深度學習。若以車用書籍來比喻這本書的話，這本書並不屬於汽車駕訓教材，而是希望能夠幫助您瞭解車子的原理，而非教您開車的方法。為了瞭解汽車的結構，必須試著打開車子的引擎蓋，將每個零件都拿起來觀察、操作看看。然後盡量用簡單的形狀，篩選出車子的核心部分，就像組合迷你模型般，製作出這台車子。本書的目標，就是透過製作車子的過程，讓你感受到自己實際可以製作出車子，進而熟悉與車子的相關技術。 本書特色： ．利用最少的外部函式庫，使用Python，從零開始實際執行深度學習的程式。 ．說明Python 的用法，讓Python 的初學者也能理解。 ．實際執行Python 的原始碼，同時提供讀者手邊可以進行實驗的學習環境。 ．從簡單的機器學習問題開始，到最後執行精密辨識影像的系統。 ．以淺顯易懂的方式說明深度學習與神經網路理論。 ．針對看似複雜的技術，如誤差反向傳播與卷積運算等，利用實際操作方式說明，幫助理解。 ．介紹在執行深度學習時，有幫助且實用的技巧，包括決定學習率的方法、權重的預設值等。 ．說明Batch Normalization、Dropout、Adam 等最近的趨勢與操作。 ．為什麼深度學習很優秀，為什麼加深層數，就能提高辨識準確度，為什麼隱藏層很重要，仔細說明這些「為什麼」。 ．介紹自動運作、產生影像、強化學習等深度學習的應用範例。 作者介紹 作者簡介 斎藤康毅 1984年生於長崎縣對馬，畢業於東京工業大學工學院，東京大學研究所學際情報學府學士課程修畢。現在於企業內從事與電腦視覺、機器學習有關的研究開發工作。1984年生於長崎縣對馬，畢業於東京工業大學工學院，東京大學研究所學際情報學府學士課程修畢。現在於企業內從事與電腦視覺、機器學習有關的研究開發工作。 目錄 第一章 Python入門 第二章 感知器 第三章 神經網路 第四章 神經網路的學習 第五章 誤差反向傳播法 第六章 與學習有關的技巧 第七章 卷積神經網路 第八章 深度學習 附錄A Softmax-with-Loss層的計算圖 參考文獻

Quantum Computing for Programmers 2022 <Cambridge>

其他會員也一起購買

Quantum Computing for Programmers ISBN13：9781009098175 出版社：Cambridge University Press 作者：Robert Hundt 裝訂／頁數：精裝／350頁 版次：1 出版日：2022/02/28