EITC/AI/TFQML TensorFlow Quantum Machine Learning, Google Quantum Processor Sycamore आर्किटेक्चर पर मशीन लर्निंग को लागू करने के लिए Google TensorFlow Quantum पुस्तकालय का उपयोग करने पर यूरोपीय आईटी प्रमाणन कार्यक्रम है।
EITC/AI/TFQML TensorFlow क्वांटम मशीन लर्निंग का पाठ्यक्रम निम्नलिखित संरचना के भीतर आयोजित Google वीडियो प्रोसेसर प्रोसेसर Sycamore वास्तुकला पर उन्नत क्वांटम कम्प्यूटेशनल मॉडल आधारित मशीन सीखने के लिए Google के TensorFlow Quantum पुस्तकालय का उपयोग करने में सैद्धांतिक ज्ञान और व्यावहारिक कौशल पर केंद्रित है, जिसमें व्यापक वीडियो शामिल हैं। इस EITC प्रमाणन के लिए एक संदर्भ के रूप में उपदेशात्मक सामग्री।
TensorFlow Quantum (TFQ) हाइब्रिड क्वांटम-शास्त्रीय एमएल मॉडल के तेजी से प्रोटोटाइप के लिए एक क्वांटम मशीन लर्निंग लाइब्रेरी है। क्वांटम एल्गोरिदम और अनुप्रयोगों में अनुसंधान Google के क्वांटम कंप्यूटिंग ढांचे का लाभ उठा सकते हैं, सभी TensorFlow के भीतर से।
TensorFlow क्वांटम क्वांटम डेटा और हाइब्रिड क्वांटम-शास्त्रीय मॉडल के निर्माण पर केंद्रित है। यह Cirq में डिज़ाइन किए गए क्वांटम कंप्यूटिंग एल्गोरिदम और तर्क को एकीकृत करता है (क्वांटम प्रोग्रामिंग फ्रेमवर्क क्वांटम सर्किट मॉडल पर आधारित), और उच्च-प्रदर्शन क्वांटम सर्किट सिमुलेटर के साथ-साथ मौजूदा TensorFlow APIs के साथ संगत क्वांटम कंप्यूटिंग प्राइमेटिव प्रदान करता है। TensorFlow क्वांटम श्वेत पत्र में अधिक पढ़ें।
क्वांटम कंप्यूटिंग क्वांटम घटना का उपयोग है जैसे सुपरपोजिशन और कम्प्यूटेशन प्रदर्शन करने के लिए उलझाव। क्वांटम कंप्यूटेशन करने वाले कंप्यूटर को क्वांटम कंप्यूटर के रूप में जाना जाता है। माना जाता है कि क्वांटम कंप्यूटर कुछ कम्प्यूटेशनल समस्याओं को हल करने में सक्षम हैं, जैसे पूर्णांक कारक (जो आरएसए एन्क्रिप्शन को कम करता है), शास्त्रीय कंप्यूटरों की तुलना में काफी तेज है। क्वांटम कंप्यूटिंग का अध्ययन क्वांटम सूचना विज्ञान का एक उपक्षेत्र है।
1980 के दशक की शुरुआत में क्वांटम कंप्यूटिंग शुरू हुई, जब भौतिक विज्ञानी पॉल बेनिओफ ने ट्यूरिंग मशीन के क्वांटम मैकेनिकल मॉडल का प्रस्ताव रखा। रिचर्ड फेनमैन और यूरी मैनिन ने बाद में सुझाव दिया कि एक क्वांटम कंप्यूटर में उन चीजों को अनुकरण करने की क्षमता थी जो एक शास्त्रीय कंप्यूटर नहीं कर सकता था। 1994 में, पीटर शोर ने पूर्णांक बनाने के लिए एक क्वांटम एल्गोरिदम विकसित किया, जिसमें आरएसए-एन्क्रिप्टेड संचार को डिक्रिप्ट करने की क्षमता थी। 1990 के दशक के उत्तरार्ध से चल रही प्रयोगात्मक प्रगति के बावजूद, अधिकांश शोधकर्ताओं का मानना है कि "दोष-सहिष्णु क्वांटम कंप्यूटिंग अभी भी एक दूर का सपना है।" हाल के वर्षों में, सार्वजनिक और निजी दोनों क्षेत्रों में क्वांटम कंप्यूटिंग अनुसंधान में निवेश बढ़ा है। 23 अक्टूबर 2019 को, Google AI ने यूएस नेशनल एरोनॉटिक्स एंड स्पेस एडमिनिस्ट्रेशन (NASA) के साथ साझेदारी में, एक क्वांटम अभिकलन करने का दावा किया है जो किसी भी शास्त्रीय कंप्यूटर (तथाकथित क्वांटम वर्चस्वता परिणाम) पर अनम्य है।
क्वांटम कंप्यूटर (या बल्कि, क्वांटम कंप्यूटिंग सिस्टम) के कई मॉडल हैं, जिसमें क्वांटम सर्किट मॉडल, क्वांटम ट्यूरिंग मशीन, एडियाबेटिक क्वांटम कंप्यूटर, वन-वे क्वांटम कंप्यूटर और विभिन्न क्वांटम सेलुलर ऑटोमेटा शामिल हैं। सबसे व्यापक रूप से उपयोग किया जाने वाला मॉडल क्वांटम सर्किट है। क्वांटम सर्किट क्वांटम बिट या "क्वबिट" पर आधारित होते हैं, जो कि शास्त्रीय संगणना में बिट के समरूप है। क्यूबिट्स 1 या 0 क्वांटम राज्य में हो सकते हैं, या वे 1 और 0 राज्यों के सुपरपोजिशन में हो सकते हैं। हालाँकि, जब मात्राओं को मापा जाता है तो माप का परिणाम हमेशा 0 या 1 होता है; इन दो परिणामों की संभावनाएं क्वांटम राज्य पर निर्भर करती हैं कि माप से पहले क्वैब तुरंत थे।
एक भौतिक क्वांटम कंप्यूटर के निर्माण की दिशा में संचार जैसे कि ट्रांसमोंस, आयन ट्रैप्स और टोपोलॉजिकल क्वांटम कंप्यूटरों पर ध्यान केंद्रित किया गया है, जिसका उद्देश्य उच्च-गुणवत्ता वाले क्वैबिट बनाना है। क्वांटम लॉजिक गेट्स, क्वांटम एनीलिंग, या एडियाबेटिक क्वांटम कम्प्यूटेशन, इन क्वांट्स को अलग-अलग तरीके से डिजाइन किया जा सकता है, जो कि पूर्ण क्वांटम कंप्यूटर के कंप्यूटिंग मॉडल पर निर्भर करता है। वर्तमान में उपयोगी क्वांटम कंप्यूटर के निर्माण में कई महत्वपूर्ण बाधाएं हैं। विशेष रूप से, क्वांटम की क्वांटम अवस्थाओं को बनाए रखना मुश्किल है क्योंकि वे क्वांटम डिकॉयनेस और राज्य निष्ठा से पीड़ित हैं। इसलिए क्वांटम कंप्यूटर को त्रुटि सुधार की आवश्यकता होती है। किसी भी कम्प्यूटेशनल समस्या को एक शास्त्रीय कंप्यूटर द्वारा हल किया जा सकता है जो क्वांटम कंप्यूटर द्वारा भी हल किया जा सकता है। इसके विपरीत, क्वांटम कंप्यूटर द्वारा हल की जा सकने वाली किसी भी समस्या को शास्त्रीय कंप्यूटर द्वारा हल किया जा सकता है, कम से कम सिद्धांत में पर्याप्त समय दिया गया हो। दूसरे शब्दों में, क्वांटम कंप्यूटर चर्च-ट्यूरिंग थीसिस का पालन करते हैं। हालांकि इसका मतलब यह है कि क्वांटम कंप्यूटर कम्प्यूटेबिलिटी के संदर्भ में शास्त्रीय कंप्यूटरों पर कोई अतिरिक्त लाभ नहीं देते हैं, कुछ समस्याओं के लिए क्वांटम एल्गोरिदम में संबंधित ज्ञात शास्त्रीय एल्गोरिदम की तुलना में काफी कम समय जटिलताएं हैं। माना जाता है कि क्वांटम कंप्यूटरों को कुछ समस्याओं को जल्दी से हल करने में सक्षम माना जाता है, जो कोई भी शास्त्रीय कंप्यूटर किसी भी संभव राशि में हल नहीं कर सकता है - जिसे "क्वांटम वर्चस्व" के रूप में जाना जाता है। क्वांटम कंप्यूटर के संबंध में समस्याओं की कम्प्यूटेशनल जटिलता का अध्ययन क्वांटम जटिलता सिद्धांत के रूप में जाना जाता है।
Google Sycamore, Google Inc. के आर्टिफिशियल इंटेलिजेंस डिवीजन द्वारा बनाया गया एक क्वांटम प्रोसेसर है। इसमें 53 क्विट शामिल हैं।
2019 में, Sycamore ने 200 सेकंड में एक कार्य पूरा किया जो Google ने दावा किया था कि एक नेचर पेपर में अत्याधुनिक सुपर कंप्यूटर को 10,000 साल पूरे होने में लगेंगे। इस प्रकार, Google ने क्वांटम वर्चस्व हासिल करने का दावा किया। एक क्लासिक सुपर कंप्यूटर द्वारा लिए जाने वाले समय का अनुमान लगाने के लिए, Google ने शिखर सम्मेलन में क्वांटम सर्किट सिमुलेशन के कुछ हिस्सों को चलाया, जो दुनिया का सबसे शक्तिशाली शास्त्रीय कंप्यूटर था। बाद में, आईबीएम ने एक प्रतिवाद किया, जिसमें दावा किया गया कि शिखर सम्मेलन जैसी शास्त्रीय प्रणाली पर केवल 2.5 दिन का समय लगेगा। यदि Google के दावों को बरकरार रखा जाता है, तो यह कंप्यूटिंग शक्ति में एक घातीय छलांग का प्रतिनिधित्व करेगा।
अगस्त 2020 में Google के लिए काम करने वाले क्वांटम इंजीनियरों ने एक क्वांटम कंप्यूटर पर सबसे बड़े रासायनिक सिमुलेशन की सूचना दी - सिरामोर के साथ एक हार्ट्री-फॉक सन्निकटन ने एक शास्त्रीय कंप्यूटर के साथ युग्मित किया, जिसने 12-क्विट सिस्टम के लिए नए मापदंडों को प्रदान करने के लिए परिणामों का विश्लेषण किया।
दिसंबर 2020 में, यूएसटीसी द्वारा विकसित चीनी फोटॉन-आधारित जियुझंग प्रोसेसर ने 76 क्विट की प्रोसेसिंग पावर हासिल की और यह सीकैमोर की तुलना में 10 बिलियन गुना तेज था, जिससे क्वांटम वर्चस्व प्राप्त करने वाला यह दूसरा कंप्यूटर बन गया।
क्वांटम आर्टिफिशियल इंटेलिजेंस लैब (जिसे क्वांटम एआई लैब या क्वेल भी कहा जाता है) नासा, यूनिवर्सिटीज स्पेस रिसर्च एसोसिएशन और गूगल (विशेष रूप से, Google रिसर्च) की एक संयुक्त पहल है, जिसका लक्ष्य इस बात पर अग्रणी शोध करना है कि क्वांटम कंप्यूटिंग मशीन सीखने में कैसे मदद कर सकती है। और अन्य कठिन कंप्यूटर विज्ञान समस्याएं। लैब को नासा के एम्स रिसर्च सेंटर में होस्ट किया गया है।
Google रिसर्च द्वारा क्वांटम एआई लैब की घोषणा 16 मई 2013 को एक ब्लॉग पोस्ट में की गई थी। लॉन्च के समय, लैब डी-वेव सिस्टम से सबसे उन्नत व्यावसायिक रूप से उपलब्ध क्वांटम कंप्यूटर, डी-वेव दो का उपयोग कर रहा था।
20 मई, 2013 को यह घोषणा की गई थी कि लोग लैब में डी-वेव टू पर समय का उपयोग करने के लिए आवेदन कर सकते हैं। 10 अक्टूबर 2013 को, Google ने क्वांटम एआई लैब की वर्तमान स्थिति का वर्णन करते हुए एक लघु फिल्म जारी की। 18 अक्टूबर 2013 को, Google ने घोषणा की कि उसने क्वांटम भौतिकी को Minecraft में शामिल किया है।
जनवरी 2014 में, Google ने शास्त्रीय कंप्यूटरों के साथ प्रयोगशाला में डी-वेव दो के प्रदर्शन की तुलना करते हुए परिणाम की सूचना दी। परिणाम अस्पष्ट और उकसाए गए थे इंटरनेट पर गर्म चर्चा। 2 सितंबर 2014 को, यह घोषणा की गई थी कि क्वांटम एआई लैब, यूसी सांता बारबरा के साथ साझेदारी में, सुपरकंडक्टिंग इलेक्ट्रॉनिक्स पर आधारित क्वांटम सूचना प्रोसेसर बनाने की पहल शुरू करेगी।
23 अक्टूबर 2019 को, क्वांटम एआई लैब ने एक पेपर में घोषणा की कि उसने क्वांटम वर्चस्व हासिल कर लिया है।
Google AI क्वांटम क्वांटम प्रोसेसर और नॉवेल क्वांटम एल्गोरिदम विकसित करके क्वांटम कंप्यूटिंग को आगे बढ़ा रहा है ताकि शोधकर्ताओं और डेवलपर्स को सैद्धांतिक और व्यावहारिक दोनों के निकट-अवधि की समस्याओं को हल करने में मदद मिल सके।
क्वांटम कंप्यूटिंग को एआई सहित कल के नवाचारों के विकास में मदद करने के लिए माना जाता है। यही कारण है कि Google समर्पित क्वांटम हार्डवेयर और सॉफ्टवेयर के निर्माण के लिए महत्वपूर्ण संसाधन तैयार करता है।
क्वांटम कंप्यूटिंग एक नया प्रतिमान है जो एआई के लिए कार्यों को तेज करने में एक बड़ी भूमिका निभाएगा। Google का उद्देश्य शोधकर्ताओं और डेवलपर्स को खुले स्रोत के ढांचे और कंप्यूटिंग शक्ति तक पहुंच प्रदान करना है जो कम्प्यूटेशन की शास्त्रीय क्षमताओं से परे काम कर सकते हैं।
Google AI क्वांटम के मुख्य फोकस क्षेत्र हैं
- सुपरकंडक्टिंग क्वाइबेट प्रोसेसर: चिप-स्केलेबल आर्किटेक्चर के साथ सुपरकंडक्टिंग क्वैबिट्स दो-क्विट गेट त्रुटि <0.5% को लक्षित करता है।
- Qubit मेट्रोलॉजी: 0.2% से कम दो-क्वाइबिट लॉस को कम करना त्रुटि सुधार के लिए महत्वपूर्ण है। हम एक क्वांटम वर्चस्व प्रयोग पर काम कर रहे हैं, लगभग एक क्वांटम सर्किट को अत्याधुनिक शास्त्रीय कंप्यूटर और एल्गोरिदम की क्षमताओं से परे नमूना करने के लिए।
- क्वांटम सिमुलेशन: भौतिक प्रणालियों का अनुकरण क्वांटम कंप्यूटिंग के सबसे प्रत्याशित अनुप्रयोगों में से है। हम विशेष रूप से रसायन विज्ञान और सामग्री विज्ञान में अनुप्रयोगों के साथ इलेक्ट्रॉनों की बातचीत की मॉडलिंग प्रणालियों के लिए क्वांटम एल्गोरिदम पर ध्यान केंद्रित करते हैं।
- क्वांटम सहायक अनुकूलन: हम अनुमानित अनुकूलन के लिए हाइब्रिड क्वांटम-शास्त्रीय सॉल्वर विकसित कर रहे हैं। ऊर्जा बाधाओं को दूर करने के लिए शास्त्रीय एल्गोरिदम में थर्मल जंप क्वांटम अपडेट को लागू करके बढ़ाया जा सकता है। हम सुसंगत जनसंख्या हस्तांतरण में विशेष रुचि रखते हैं।
- क्वांटम न्यूरल नेटवर्क: हम निकटवर्ती प्रोसेसर पर क्वांटम न्यूरल नेटवर्क को लागू करने के लिए एक ढांचा विकसित कर रहे हैं। हम यह समझने में रुचि रखते हैं कि नेटवर्क के संचालन के दौरान बड़े पैमाने पर सुपरपोज़िशन राज्य बनाने से क्या फायदे हो सकते हैं।
Google AI क्वांटम द्वारा विकसित मुख्य उपकरण खुले स्रोत के ढांचे हैं जो विशेष रूप से व्यावहारिक समस्याओं के लिए निकट-अवधि के अनुप्रयोगों को हल करने में मदद करने के लिए उपन्यास क्वांटम एल्गोरिदम विकसित करने के लिए डिज़ाइन किए गए हैं। इसमे शामिल है:
- Cirq: निकटवर्ती क्वांटम प्रोसेसर पर शोर मध्यवर्ती पैमाने क्वांटम (NISQ) एल्गोरिदम के निर्माण और प्रयोग के लिए एक ओपन-सोर्स क्वांटम फ्रेमवर्क।
- OpenFermion: क्वांटम सर्किट में रसायन विज्ञान और सामग्री विज्ञान में समस्याओं के अनुवाद के लिए एक ओपन-सोर्स प्लेटफ़ॉर्म जिसे प्लेटफ़ॉर्म प्लेटफ़ॉर्म पर निष्पादित किया जा सकता है
Google AI क्वांटम निकट अवधि के अनुप्रयोगों में शामिल हैं:
क्वांटम सिमुलेशन
नई सामग्री का डिजाइन और रसायन विज्ञान और संघनित पदार्थ मॉडल के सटीक सिमुलेशन के माध्यम से जटिल भौतिकी के मायाजाल क्वांटम कंप्यूटिंग के सबसे आशाजनक अनुप्रयोगों में से हैं।
त्रुटि शमन तकनीक
हम पूर्ण क्वांटम त्रुटि सुधार के लिए सड़क पर तरीकों को विकसित करने के लिए काम करते हैं जो वर्तमान उपकरणों में नाटकीय रूप से शोर को कम करने की क्षमता रखते हैं। जबकि पूर्ण पैमाने पर दोष सहिष्णु क्वांटम कंप्यूटिंग में काफी विकास की आवश्यकता हो सकती है, हमने निकटवर्ती उपकरणों पर अनुप्रयोगों के प्रदर्शन में सुधार करने के लिए क्वांटम त्रुटि सुधार से तकनीकों का उपयोग करने में मदद करने के लिए क्वांटम सबस्पेस विस्तार तकनीक विकसित की है। इसके अलावा, ये तकनीक निकटवर्ती उपकरणों पर जटिल क्वांटम कोड के परीक्षण की सुविधा प्रदान करती है। हम इन तकनीकों को नए क्षेत्रों में सक्रिय रूप से आगे बढ़ा रहे हैं और निकटवर्ती प्रयोगों के डिजाइन के आधार के रूप में इसका लाभ उठा रहे हैं।
क्वांटम मशीन लर्निंग
हम निकटवर्ती क्वांटम उपकरणों पर हाइब्रिड क्वांटम-क्लासिकल मशीन लर्निंग तकनीक विकसित कर रहे हैं। हम क्वांटम और शास्त्रीय डेटा के वर्गीकरण और क्लस्टरिंग के लिए सार्वभौमिक क्वांटम सर्किट सीखने का अध्ययन कर रहे हैं। हम जेनरेटर और भेदभावपूर्ण क्वांटम न्यूरल नेटवर्क में भी रुचि रखते हैं, जिसे क्वांटम संचार नेटवर्क के भीतर या अन्य क्वांटम सर्किट के सत्यापन के लिए क्वांटम रिपीटर और राज्य शोधन इकाइयों के रूप में इस्तेमाल किया जा सकता है।
क्वांटम अनुकूलन
एयरोस्पेस, ऑटोमोटिव, और अन्य उद्योगों में असतत अनुकूलन हाइब्रिड क्वांटम-शास्त्रीय अनुकूलन से लाभान्वित हो सकते हैं, उदाहरण के लिए सिम्युलेटेड एनीलिंग, क्वांटम असिस्टेड ऑप्टिमाइज़ेशन एल्गोरिदम (क्यूएओए) और क्वांटम एन्हांस्ड जनसंख्या हस्तांतरण आज के प्रोसेसर के साथ उपयोगिता हो सकते हैं।
प्रमाणीकरण पाठ्यक्रम के बारे में विस्तार से जानने के लिए आप नीचे दी गई तालिका का विस्तार और विश्लेषण कर सकते हैं।
EITC/AI/TFQML TensorFlow क्वांटम मशीन लर्निंग सर्टिफिकेशन करिकुलम एक वीडियो फॉर्म में ओपन-एक्सेस डिडक्टिक सामग्री का संदर्भ देता है। सीखने की प्रक्रिया प्रासंगिक पाठ्यचर्या भागों को शामिल करते हुए चरण-दर-चरण संरचना (कार्यक्रम -> पाठ -> विषय) में विभाजित है। डोमेन विशेषज्ञों के साथ असीमित परामर्श भी प्रदान किया जाता है।
प्रमाणन प्रक्रिया की जांच के विवरण के लिए यह किस प्रकार काम करता है?.
पाठ्यक्रम संदर्भ संसाधन
TensorFlow Quantum (TFQ) हाइब्रिड क्वांटम-शास्त्रीय एमएल मॉडल के तेजी से प्रोटोटाइप के लिए एक क्वांटम मशीन लर्निंग लाइब्रेरी है। क्वांटम एल्गोरिदम और अनुप्रयोगों में अनुसंधान Google के क्वांटम कंप्यूटिंग ढांचे का लाभ उठा सकते हैं, सभी TensorFlow के भीतर से। TensorFlow क्वांटम क्वांटम डेटा और हाइब्रिड क्वांटम-शास्त्रीय मॉडल के निर्माण पर केंद्रित है। यह Cirq में डिज़ाइन किए गए क्वांटम कंप्यूटिंग एल्गोरिदम और तर्क को एकीकृत करता है, और उच्च-प्रदर्शन क्वांटम सर्किट सिमुलेटर के साथ मौजूदा TensorFlow API के साथ संगत क्वांटम कंप्यूटिंग प्राइमेटिव प्रदान करता है। TensorFlow क्वांटम श्वेत पत्र में अधिक पढ़ें। अतिरिक्त संदर्भ के रूप में आप अवलोकन देख सकते हैं और नोटबुक ट्यूटोरियल चला सकते हैं।
https://www.tensorflow.org/quantum
सर्क
Cirq Noisy Intermediate Scale Quantum (NISQ) कंप्यूटर के लिए एक ओपन-सोर्स फ्रेमवर्क है। यह Google AI क्वांटम टीम द्वारा विकसित किया गया था, और सार्वजनिक अल्फा की घोषणा 18 जुलाई, 2018 को क्वांटम सॉफ्टवेयर और क्वांटम मशीन लर्निंग पर अंतर्राष्ट्रीय कार्यशाला में की गई थी। क्यूसी वेयर द्वारा एक डेमो ने QAOA का कार्यान्वयन दिखाया जो अधिकतम कटौती का एक उदाहरण है। Cirq सिम्युलेटर पर समस्या हल हो रही है। Cirq में क्वांटम कार्यक्रमों को "सर्किट" और "अनुसूची" द्वारा दर्शाया जाता है जहां "सर्किट" एक क्वांटम सर्किट का प्रतिनिधित्व करता है और "शेड्यूल" समय की जानकारी के साथ क्वांटम सर्किट का प्रतिनिधित्व करता है। कार्यक्रमों को स्थानीय सिमुलेटर पर निष्पादित किया जा सकता है। निम्न उदाहरण दिखाता है कि कैसे Cirq में एक बेल राज्य बनाने और मापने के लिए।
आयात सिरक
# चौकियाँ उठाओ
qubit0 = सिरक.ग्रिडक्यूबिट(0, 0)
qubit1 = सिरक.ग्रिडक्यूबिट(0, 1)
# एक सर्किट बनाएं
सर्किट = सिरक.सर्किट.from_ops(
सिरक.H(qubit0),
सिरक.सीएनओटी(qubit0, qubit1),
सिरक.माप(qubit0, कुंजी='m0'),
सिरक.माप(qubit1, कुंजी='m1')
)
सर्किट को प्रिंट करना इसका आरेख प्रदर्शित करता है
छाप(सर्किट)
# प्रिंट
# (0, 0): )H─── @ (M ('m0'))
# │
# (0, 1): ,X───M ('m1'))
सर्किट को बार-बार अनुकरण करने से पता चलता है कि क्वैब का माप सहसंबद्ध है।
सिम्युलेटर = सिरक.सिम्युलेटर()
परिणाम = सिम्युलेटर.रन(सर्किट, रिहर्सल=5)
छाप(परिणाम)
# प्रिंट
# m0 = 11010
# m1 = 11010
EITC/AI/TFQML TensorFlow क्वांटम मशीन लर्निंग प्रोग्राम के लिए संपूर्ण ऑफ़लाइन स्व-शिक्षण तैयारी सामग्री को एक पीडीएफ फ़ाइल में डाउनलोड करें।
EITC/AI/TFQML प्रारंभिक सामग्री - मानक संस्करण
EITC/AI/TFQML प्रारंभिक सामग्री - समीक्षा प्रश्नों के साथ विस्तारित संस्करण