Quantum Machine Learning in Remote Sensing | HDCRS School Podcast Ep. 3

Aprendizaje Automático Cuántico en Teledetección | Podcast de la Escuela HDCRS Ep. 3

¿Cómo puede el Aprendizaje Automático Cuántico (QML, por sus siglas en inglés) contribuir a resolver los desafíos actuales en la Teledetección (RS) y la Observación de la Tierra (EO)? En este tercer y último episodio del podcast de la Escuela HDCRS, exploramos el campo emergente del QML y su potencial para abordar problemas complejos de análisis de datos geoespaciales de nuevas formas.

Expertos invitados (en orden de aparición):

Dr. Artur Miroszewski – Investigador postdoctoral en la Universidad Jaguelónica (Polonia). Obtuvo su doctorado en el Centro Nacional de Investigación Nuclear en Varsovia, con enfoque en tecnologías cuánticas.

Dr. Gabriele Cavallaro – Profesor Asociado Adjunto en la Universidad de Islandia y Copresidente del Comité Técnico de Informática de Ciencias de la Tierra (ESI) del IEEE GRSS.

Temas abordados en este episodio:

¿Qué es el Aprendizaje Automático Cuántico (QML)?

Beneficios y limitaciones del QML en aplicaciones de teledetección

Ejemplos reales del uso de QML en la observación de la Tierra

Perspectivas futuras de las tecnologías cuánticas en la ciencia geoespacial

Conoce más sobre el grupo de trabajo HDCRS: https://www.hdc-rs.com

Sigue al IEEE GRSS: https://www.grss-ieee.org

Consultas: hdcrs.school@gmail.com