# Plan szkolenia – 2 dni

## Dzień 1 – Fundamenty QML  

### Blok 1 (1,5 h) – Podstawy obliczeń kwantowych i QML
- Qubit, bramki, obwody parametryzowalne  
- Różnice między klasycznym ML a QML  
- Demo: PennyLane – pierwszy obwód  

### Blok 2 (1,5 h) – Algorytmy wariacyjne
- Idea algorytmów wariacyjnych  
- Metoda przesuwania parametrów  
- Ćwiczenie: prosty jednoqubitowy klasyfikator  

### Blok 3 (1,5 h) – Kwantowe sieci neuronowe
- Architektury QNN, sposoby ładowania danych  
- Ćwiczenie: klasyfikator z re-uploadingiem danych  

### Blok 4 (1,5 h) – Hybrydowe modele QNN
- Łączenie QNN i klasycznych warstw  
- Ćwiczenie: prosty model hybrydowy (PyTorch/Jax + PennyLane)  

---

## Dzień 2 – Metody jądrowe i projekt  

### Blok 5 (1,5 h) – Kwantowe metody jądrowe
- Kwantowe kernele, intuicja geometryczna  
- Ćwiczenie: klasyfikator SVM z kwantowym kernelem  

### Blok 6 (1,5 h) – Szum i ograniczenia praktyczne
- Szum i dekoherencja, mitigacja błędów  
- Demo: obwód na backendzie dostawcy komputera kwantowego + porównanie z symulatorem  

### Blok 7 (1,5 h) – Mini-projekt
- Zadanie: prosty klasyfikator (QNN lub kernel) na własnym zbiorze danych  
- Praca w grupach  

### Blok 8 (1,5 h) – Prezentacje i podsumowanie
- Prezentacje mini-projektów  
- Dyskusja: mocne i słabe strony QML  
- Podsumowanie szkolenia, Q&A