LİSANSÜSTÜ EĞİTİM ENSTİTÜSÜ
Bilgisayar Mühendisliği Yüksek Lisans Programı (Tezli)
CE 532 | Ders Tanıtım Bilgileri
| Dersin Adı |
Uygulamalı Kuantum Makine Öğrenmesi
|
|
Kodu
|
Yarıyıl
|
Teori
(saat/hafta) |
Uygulama/Lab
(saat/hafta) |
Yerel Kredi
|
AKTS
|
|
CE 532
|
Güz/Bahar
|
3
|
0
|
3
|
7.5
|
| Ön-Koşul(lar) |
Yok
|
|||||
| Dersin Dili |
İngilizce
|
|||||
| Dersin Türü |
Seçmeli
|
|||||
| Dersin Düzeyi |
Yüksek Lisans
|
|||||
| Dersin Veriliş Şekli | - | |||||
| Dersin Öğretim Yöntem ve Teknikleri | - | |||||
| Dersin Koordinatörü | ||||||
| Öğretim Eleman(lar)ı | ||||||
| Yardımcı(ları) | - | |||||
| Dersin Amacı | Otomatik öğrenme, deneyim ile otomatik olarak kendini geliştirebilen bilgisayar programlarının nasıl tasarlanacağı ile ilgilidir. Bu dersin amacı kuantum modellerini ve platformlarını tanıtmak, bu platformlarda programlamayı göstermektir. Öğrencilerimiz Qbitleri kullanarak iş dünyasına değer kazandıracak çözümler üzerine çalışacaklardır. |
| Öğrenme Çıktıları |
Bu dersi başarıyla tamamlayabilen öğrenciler;
|
| Ders Tanımı | Bu ders kuantum bilişim teknikleri kullanarak klasik otomatik öğrenme yöntemlerinin verimliliğini arttırmayı içerir ve aynı zamanda kuantum sistemlerini analiz etmek için klasik makine öğrenimi yöntemlerinin nasıl kullanılabileceğini gösterir. |
|
|
Temel Ders | |
| Uzmanlık/Alan Dersleri |
X
|
|
| Destek Dersleri | ||
| İletişim ve Yönetim Becerileri Dersleri | ||
| Aktarılabilir Beceri Dersleri |
HAFTALIK KONULAR VE İLGİLİ ÖN HAZIRLIK ÇALIŞMALARI
| Hafta | Konular | Ön Hazırlık |
| 1 | Kuantum Bilgisayarları - Miras CPU ile fiziksel farklar - Kuantum Bilgi Kuramı | https://www.kdnuggets.com/2018/01/quantum-machine-learning-overview.html |
| 2 | Yapay Zeka Makine Öğrenimi | https://www.kdnuggets.com/2016/10/artificial-intelligence-deep-learning-neural-networks-explained.html |
| 3 | Büyük Veri ve Kuantum Mekaniği | http://www.vip.gatech.edu/teams/big-data-and-quantum-mechanics https://ieeexplore.ieee.org/document/7876324/ |
| 4 | Kuantum Hesaplaması Modeller | https://arxiv.org/abs/1012.6035 http://tph.tuwien.ac.at/~oemer/doc/quprog/node9.html |
| 5 | Klasik Bilgisayarlarda Kuantum Benzeri Öğrenme | Quantum Machine Learning Bölüm 12 https://www.wired.com/2015/12/for-google-quantum-computing-is-like-learning-to-fly/ |
| 6 | Bulgu özdeğerler ve Büyük özvektörlerine ilişkin ML algoritmalarının kuantum versiyonları | https://www.fanaticalfuturist.com/2018/05/new-quantum-ml-algorithm-could-revolutionise-quantum-ai-before-it-even-begins/ https://scottaaronson.com/papers/qml.pdf http://www.qutisgroup.com/wp-content/uploads/2014/10/TFG-Cristian-Romero.pdf https://www.scottaaronson.com/papers/qml.pdf |
| 7 | Kuantum Hesaplamalı Zeka | https://uwaterloo.ca/institute-for-quantum-computing/blog/post/quantum-computational-intelligence |
| 8 | Kuantum Bilgisayar Servis Sağlayıcıları; IBM, Microsoft, D- Wave | https://qiskit.org/ https://www.research.ibm.com/ibm-q/learn/quantum-computing-applications/ https://www.dwavesys.com/tags/quantum-programming |
| 9 | Q# giriş | https://docs.microsoft.com/en-us/quantum/quantum-qr-intro?view=qsharp-preview |
| 10 | İkili QuBit sınıflandırılması | https://arxiv.org/abs/1704.01965 https://www.researchgate.net/figure/Quantum-learning-for-classification-of-qubits_fig2_232227181 https://arxiv.org/abs/0811.0416 |
| 11 | Kuantum algoritması ile doğrusal sistem çözmek | http://www2.lns.mit.edu/~avinatan/research/matrix.pdf |
| 12 | Kuantum algoritması ile Doğrusal Denklemler çözmek | https://phys.org/news/2017-06-linear-equations-quantum-mechanics.html https://www.perimeterinstitute.ca/videos/quantum-algorithm-solving-linear-systems-equations |
| 13 | Klasik otomatik öğrenme kullanarak kuantum sistemler çözümlemek | https://qutech.nl/wp-content/uploads/2018/01/QIP18MLtutorial_Ronald-de-Wolf.pdf https://en.wikipedia.org/wiki/Quantum_algorithm_for_linear_systems_of_equations |
| 14 | Quantum Analitiğin geleceği | https://tdwi.org/articles/2016/08/12/is-quantum-the-future-of-high-performance-analytics.aspx https://www.ibm.com/thought-leadership/technology-market-research/quantum-computing-report.html http://analytics-magazine.org/improving-the-future-with-prescriptive-analytics-quantum-computers/ https://www.ft.com/content/6711e5c2-0e83-11e7-b030-768954394623 |
| 15 | Dersin gözden geçirilmesi | |
| 16 | Final Sınavı |
| Ders Kitabı | Quantum Machine Learning 1st Edition What Quantum Computing Means to Data Mining Authors: Peter Wittek eBook ISBN: 9780128010990 Hardcover ISBN: 9780128009536 Paperback ISBN: 9780128100400 |
| Önerilen Okumalar/Materyaller |
|
DEĞERLENDİRME ÖLÇÜTLERİ
| Yarıyıl Aktiviteleri | Sayı | Katkı Payı % |
| Katılım |
1
|
10
|
| Laboratuvar / Uygulama | ||
| Arazi Çalışması | ||
| Küçük Sınav / Stüdyo Kritiği | ||
| Portfolyo | ||
| Ödev | ||
| Sunum / Jüri Önünde Sunum | ||
| Proje |
1
|
50
|
| Seminer/Çalıştay | ||
| Sözlü Sınav | ||
| Ara Sınav | ||
| Final Sınavı |
1
|
40
|
| Toplam |
| Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı |
2
|
60
|
| Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı |
1
|
40
|
| Toplam |
AKTS / İŞ YÜKÜ TABLOSU
| Yarıyıl Aktiviteleri | Sayı | Süre (Saat) | İş Yükü |
|---|---|---|---|
| Teorik Ders Saati (Sınav haftası dahildir: 16 x teorik ders saati) |
16
|
2
|
32
|
| Laboratuvar / Uygulama Ders Saati (Sınav haftası dahildir. 16 x uygulama/lab ders saati) |
16
|
1
|
16
|
| Sınıf Dışı Ders Çalışması |
16
|
6
|
96
|
| Arazi Çalışması |
0
|
||
| Küçük Sınav / Stüdyo Kritiği |
0
|
||
| Portfolyo |
0
|
||
| Ödev |
0
|
||
| Sunum / Jüri Önünde Sunum |
0
|
||
| Proje |
1
|
30
|
30
|
| Seminer/Çalıştay |
0
|
||
| Sözlü Sınav |
0
|
||
| Ara Sınavlar |
0
|
||
| Final Sınavı |
1
|
30
|
30
|
| Toplam |
204
|
DERSİN ÖĞRENME ÇIKTILARININ PROGRAM YETERLİLİKLERİ İLE İLİŞKİSİ
|
#
|
Program Yeterlilikleri / Çıktıları |
* Katkı Düzeyi
|
||||
|
1
|
2
|
3
|
4
|
5
|
||
| 1 | Bilgisayar Mühendisliği alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, bilgiyi değerlendirir, yorumlar ve uygular. |
X | ||||
| 2 | Bilgisayar Mühendisliği alanında uygulanan güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgi sahibidir. |
X | ||||
| 3 | Belirsiz, sınırlı ya da eksik verileri kullanarak, bilimsel yöntemlerle bilgiyi tamamlar ve uygular; değişik disiplinlere ait bilgileri bir arada kullanabilir. |
X | ||||
| 4 | Mesleğinin yeni ve gelişmekte olan uygulamalarının farkındadır, ihtiyaç duyduğunda bunları inceler ve öğrenir. | X | ||||
| 5 | Bilgisayar Mühendisliği alanı ile ilgili problemleri tanımlar ve formüle eder, çözmek için yöntem geliştirir ve çözümlerde yenilikçi yöntemler uygular. |
X | ||||
| 6 | Yeni ve/veya özgün fikir ve yöntemler geliştirir; karmaşık sistem veya süreçleri tasarlar ve tasarımlarında yenilikçi/alternatif çözümler geliştirir. |
X | ||||
| 7 | Kuramsal, deneysel ve modelleme esaslı araştırmaları tasarlar ve uygular; bu süreçte karşılaşılan karmaşık problemleri irdeler ve çözümler. |
X | ||||
| 8 | Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilir, bu tür takımlarda liderlik yapabilir ve karmaşık durumlarda çözüm yaklaşımları geliştirebilir; bağımsız çalışabilir ve sorumluluk alır. |
X | ||||
| 9 | Bir yabancı dili en az Avrupa Dil Portföyü B2 Genel Düzeyinde kullanarak, sözlü ve yazılı iletişim kurar. |
X | ||||
| 10 | Çalışmalarının süreç ve sonuçlarını, o alandaki veya alan dışındaki ulusal ve uluslararası ortamlarda sistematik ve açık bir şekilde yazılı ya da sözlü olarak aktarır. |
X | ||||
| 11 | Bilgisayar Mühendisliği uygulamalarının sosyal, çevresel, sağlık, güvenlik, hukuk boyutları ile proje yönetimi ve iş hayatı uygulamalarını bilir ve bunların bilgisayar mühendisliği uygulamalarına getirdiği kısıtların farkındadır. |
X | ||||
| 12 | Verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir. |
X | ||||
*1 Lowest, 2 Low, 3 Average, 4 High, 5 Highest