Datos Identificativos 2023/24
Asignatura (*) Computación Cuántica e Aprendizaxe Máquina Código 614551008
Titulación
Máster Universitario en Ciencia e Tecnoloxías de Información Cuántica
Descriptores Ciclo Período Curso Tipo Créditos
Mestrado Oficial 1º cuadrimestre
 Primeiro Optativa 3
Idioma
Castelán
Modalidade docente Presencial
Prerrequisitos
Departamento Ciencias da Computación e Tecnoloxías da Información
Enxeñaría de Computadores
Coordinación
Mosqueira Rey, Eduardo
 Correo electrónico
eduardo.mosqueira@udc.es
Profesorado
Alvarez Estevez, Diego
Mosqueira Rey, Eduardo
 Correo electrónico
diego.alvareze@udc.es
eduardo.mosqueira@udc.es
Web http://https://guiadocente.udc.es/guia_docent/index.php?centre=614&ensenyament=614551&assignatura=614551008&any_academic=20
Descrición xeral Aprendizaxe Máquina e Computación Cuántica son materias relevantes e de crecente interese en investigación e desenvolvemento tecnolóxico na actualidade. Este tema ilustra como o Aprendizaxe Máquina pode ser optimizado utilizando técnicas de Computación Cuántica. Inclúese unha revisión exhaustiva de ambas as materias, para logo buscar sinerxias entre elas e atopar dominios de aplicación e procedementos que melloren o comportamento dos algoritmos actuais de Aprendizaxe Máquina e Computación Cuántica. Posteriormente, implementaranse e probaránse as aplicacións deseñadas, avaliando os seus resultados e contrastándoos cos métodos clásicos equivalentes, para comprobar o seu correcto funcionamento.

Competencias do título
Código Competencias / Resultados do título
A4 CON_04 Ter coñecementos de computación cuántica, algoritmos, circuítos, a súa programación en diferentes linguaxes e plataformas accesibles.
A15 CON_15 Ter coñecementos de aspectos de alto nivel da computación cuántica: aprendizaxe de máquinas cuánticas, simuladores cuánticos, arquitecturas, etc.
B1 HD01 Analiza e desglosa un concepto complexo, examina cada parte e mira como encaixan
B3 HD03 Comparar e contrastar e sinalar semellanzas e diferenzas entre dous ou máis temas ou conceptos
B6 HD11 Elaborar con precisión as preguntas relevantes para un problema concreto
B8 HD13 Improvisar solucións dun xeito innovador para resolver un problema
B12 HD23 Comuníquese utilizando as normas esperadas para o medio elixido.
B13 HD24 Participar activamente na actividade presencial na aula.
B14 HD31 Asignar recursos e responsabilidades para que todos os membros dun equipo poidan traballar de forma óptima
B16 HD33 Establecer obxectivos para que o grupo analice a situación, decida que resultado se desexa e estableza claramente un obxectivo alcanzable.
C1 C1. Expresarse correctamente, tanto de forma oral como escrita, nas linguas oficiais da comunidade autónoma.
C2 C2. Dominar a expresión e a comprensión de forma oral e escrita dun idioma estranxeiro.
C3 C3. Utilizar as ferramentas básicas das tecnoloxías da información e as comunicacións (TIC) necesarias para o exercicio da súa profesión e para a aprendizaxe ao longo da súa vida.
C4 C4. Desenvolverse para o exercicio dunha cidadanía respectuosa coa cultura democrática, os dereitos humanos e a perspectiva de xénero.
C7 C7. Desenvolver a capacidade de traballar en equipos interdisciplinares ou transdisciplinares, para ofrecer propostas que contribúan a un desenvolvemento sostible ambiental, económico, político e social.
C8 C8. Valorar a importancia que ten a investigación, a innovación e o desenvolvemento tecnolóxico no avance socioeconómico e cultural da sociedade.

Resultados de aprendizaxe
Resultados de aprendizaxe Competencias / Resultados do título
Coñecer os distintos tipos de aprendizaxe automática AP15
 BP1
BP3
BP13
 CP1
Comprender o funcionamento das redes neuronais artificiais AP15
 BP1
BP3
BP6
BP8
BP12
BP13
BP14
BP16
 CP1
CP2
CP3
CP4
CP7
CP8
Ser capaz de deseñar modelos de aprendizaxe automática cuánticos con circuítos parametrizados e clasificación variacional AP4
AP15
 BP1
BP3
BP6
BP8
BP12
BP13
BP14
BP16
 CP1
CP2
CP3
CP4
CP7
CP8
Comprender o funcionamento das máquinas de vectores de soporte AP15
 BP1
BP3
BP6
BP8
BP12
BP13
BP14
BP16
 CP1
CP2
CP3
CP4
CP7
CP8
Ser capaz de deseñar mapas cuánticos de características e kernels AP4
AP15
 BP1
BP3
BP6
BP8
BP12
BP13
BP14
BP16
 CP1
CP2
CP3
CP4
CP7
CP8

Contidos
Temas Subtemas
1. Introdución á aprendizaxe automática
2. Redes neuronais artificiais
3. Circuítos cuánticos parametrizados para a aprendizaxe automática
4. Máquinas de vectores de soporte e kernels
5. Análise de compoñentes principais

Planificación
Metodoloxías / probas Competencias / Resultados Horas lectivas (presenciais e virtuais) Horas traballo autónomo Horas totais
Sesión maxistral A4 A15 B13 C1 C2 C8 10.5 15.75 26.25
Prácticas de laboratorio A4 A15 B1 B3 B6 B8 B12 B14 B16 C3 C4 C7 10.5 34.65 45.15
Proba obxectiva A4 A15 B1 B3 B8 C1 C2 C3 C8 2.6 0 2.6
 
Atención personalizada 1 0 1
 
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías
Metodoloxías Descrición
Sesión maxistral Clases maxistrais coa exposición dos coñecementos teóricos e prácticos empregando diferentes recursos dixitais.
Prácticas de laboratorio Prácticas baseadas nos coñecementos que cada estudante vai adquirindo nas clases maxistrais.
Proba obxectiva Proba mediante a que se valoran os coñecementos adquiridos polo estudantado.
Cada estudante deberá aplicar os seus coñecementos tanto a nivel teórico coma a nivel práctico.

Atención personalizada
Metodoloxías
Prácticas de laboratorio
Descrición
A atención personalizada ao estudantado comprende non só as titorías, presenciais ou virtuais, para a discusión de dúbidas, senón tamén as seguintes actuacións:

- Seguemento do labor realizado nas prácticas de laboratorio propostas polo profesorado.
- Avaliación dos resultados obtidos nas prácticas.
- Encontros personalizados para resolver dúbidas sobre os contidos da asignatura.

Avaliación
Metodoloxías Competencias / Resultados Descrición Cualificación
Proba obxectiva A4 A15 B1 B3 B8 C1 C2 C3 C8 Proba/s sobre contidos teórico-prácticos. 40
Prácticas de laboratorio A4 A15 B1 B3 B6 B8 B12 B14 B16 C3 C4 C7 Entrega de prácticas baseadas nos coñecementos adquiridos nas clases maxistrais. 60
 
Observacións avaliación

Porcentaxes concretas de avaliación de cada parte. 

  • A avaliación da materia realizarase en dous partes: avaliación continua (prácticas) e proba obxectiva (parcial e/ou final).

Como se avalía o non presentado. 

  • A entrega dalgunha das actividades ou probas de avaliación continua supoñerá que o alumno optou por presentarse á materia. Por tanto, a partir dese momento, aínda non presentándose a proba obxectiva haberá consumido unha oportunidade. 

Cómo se avalía a segunda oportunidade. 

  • Na segunda oportunidade (xullo) conservaranse as notas da avaliación continua e/ou a proba obxectiva obtidas durante o cuadrimestre.

  • Se o alumno preséntase á segunda oportunidade na avaliación continua ou a proba obxectiva, a nota obtida na primeira oportunidade para esa parte anúlase, e a cualificación correspondente desa parte será a da segunda oportunidade.

  • A nota final da materia na segunda oportunidade calcularase co mesmo criterio que na primeira oportunidade. 

Plaxios 

  • A realización fraudulenta das probas ou actividades de avaliación, unha vez comprobada, implicará directamente a cualificación de suspenso "0" na materia na convocatoria correspondente, invalidando así calquera cualificación obtida en todas as actividades de avaliación de cara a convocatoria extraordinaria 

Fontes de información
Bibliografía básica Aurélien Géron (2019). Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Ed.. O'Reilly
François Chollet (2021). Deep Learning with Python, 2nd Ed.. Manning
Maria Schuld, Francesco Petruccione (2021). Machine Learning with Quantum Computers, 2nd Ed.. Springer
Qiskit (2023). Quantum machine learning. https://qiskit.org/learn/course/machine-learning-course/

Bibliografía complementaria Qiskit (2023). Qiskit documentation. https://qiskit.org/documentation/
Qiskit (2023). Qiskit Terra API Reference. https://qiskit.org/documentation/apidoc/terra.html


Recomendacións
Materias que se recomenda ter cursado previamente
Introdución á Computación Cuántica/614551004

Materias que se recomenda cursar simultaneamente
Ferramentas da Computación Cuántica/614551006
Programación e Implementación de Algoritmos Cuánticos/614551007

Materias que continúan o temario
Aplicacións Prácticas da Computación Cuántica/614551010

Observacións


(*)A Guía docente é o documento onde se visualiza a proposta académica da UDC. Este documento é público e non se pode modificar, salvo casos excepcionais baixo a revisión do órgano competente dacordo coa normativa vixente que establece o proceso de elaboración de guías