Formazione e ricerca
Attività Formative del Corso di Dottorato
In questa pagina sono riportate le attività formative del corso di dottorato per l'anno accademico 2024/2025. Ulteriori attività verranno aggiunte durante l'anno. Ti invitiamo a verificare regolarmente la presenza di aggiornamenti!
Introduction to Blockchain
Crediti: 3
Lingua di erogazione: English
Docente: Nicola Fausto Spoto
Principles and Applications of Abstract Interpretation
Crediti: 3
Lingua di erogazione: English
Docente: Michele Pasqua
AI and explainable models
Crediti: 5
Lingua di erogazione: English
Docente: Lorenza Brusini
Automated Software Testing
Crediti: 4
Lingua di erogazione: English
Docente: Mariano Ceccato
Multi Omics Patient Stratification
Crediti: 3
Lingua di erogazione: English
Docente: Rosalba Giugno
Cyber-Physical System Security
Crediti: 3
Lingua di erogazione: English
Docente: Massimo Merro
ACADEMIC WRITING IN LATEX
Crediti: 3
Lingua di erogazione: English
Docente: Enrico Gregorio
A practical interdisciplinary PhD course on exploratory data analysis
Crediti: 4
Lingua di erogazione: English
Docente: Rui Pedro Fernandes Ribeiro
Elements of Machine Teaching
Crediti: 3
Lingua di erogazione: English
Docente: Ferdinando Cicalese
Informational Genomics: information content of genomes and its divergence from randomness
Crediti: 3
Lingua di erogazione: English
Introduction to Quantum Machine Learning
Crediti: 3
Lingua di erogazione: English
Docente: Alessandra Di Pierro
Laboratory of quantum information in classical wave-optics analogy
Crediti: 3
Lingua di erogazione: English
Docente: Claudia Daffara
Introduction to Quantum Machine Learning (2024/2025)
Docente
Referente
Crediti
3
Lingua di erogazione
English
Frequenza alle lezioni
Scelta Libera
Sede
VERONA
Obiettivi di apprendimento
Il corso fornisce un'introduzione al Quantum Machine Learning a partire dai concetti fondamentali fino alle principali tecniche che usano la computazione quantistica per realizzare l'apprendimento automatico.
Prerequisiti e nozioni di base
Algebra lineare, probabilità e statistica
Programma
- Introduction to Quantum Systems
Quantum Computation
Gate Model
Adiabatic Quantum Computing
Variational Circuits
- Classical-Quantum Learning Algorithms
- Encoding Classical Information
- Quantum-enhanced Kernel Methods
- Quantum Neural Networks
- Fault-tolerant Quantum Machine Learning
- Practice: Implementation of the discussed methods on real quantum computers using Jupiter Notebook
Bibliografia
Modalità didattiche
Slides e lavagna
Modalità di verifica dell'apprendimento
Esame orale
Valutazione
Le conoscenze acquisite verrano valutate sulla base della presentazione di un argomento a scelta. Verra' valutato l'approfondimento personale e la comprensione della materia.
Criteri di composizione del voto finale
Voto in trentesimi
