LineareAlgebra2/19-ausblick.tex
Stefan Kebekus 0fed897098 Cleanup
2025-04-07 13:20:44 +02:00

78 lines
3.2 KiB
TeX

% spell checker language
\selectlanguage{german}
\chapter{Ausblick.}
Wir sind am Ende der Vorlesung ``Lineare Algebra II''. Wir hoffen, dass Sie
trotz des ungewöhnlichen Formats der Vorlesung etwas gelernt und für sich
mitgenommen haben.
\bigskip
\bigskip
Ich wünsche Ihnen weiterhin viel Erfolg in Ihrem Studium. Bleiben Sie gesund.
\bigskip
--- Stefan Kebekus.
\bigskip
\bigskip
\subsection*{Ein sehr persönliches Wort zum Ende}
\begin{quote}
Any interested participant with basic knowledge of vector and matrix
multiplication as linear algebra is at the core of quantum computing
algorithms.
-- \href{https://learn-xpro.mit.edu/quantum-computing}{MIT xPro}
\end{quote}
Für mich ist die Vorlesung ``Lineare Algebra II'' so etwas wie ein Schlüssel zur
Welt. Wir leben in einer Zeit, in der neue Techniken der
Informationsverarbeitung unsere Gesellschaft in nie gesehener Art und Weise
umwälzen, zum Guten wie zum
\href{https://de.wikipedia.org/wiki/Sozialkredit-System}{Schlechten}. Die Wucht
dieser Umwälzungen ist schwer zu unterschätzen; vermutlich werden die
langfristigen Auswirkungen am ehesten mit denen der
\href{https://de.wikipedia.org/wiki/Industrielle_Revolution}{ersten
industriellen Revolution} vergleichbar sein.
In dieser Situation erscheint mir unsere Gesellschaft als überfordert. Sie
wirkt unfähig oder unwillig, die unausweichlichen Änderungen aktiv zu
gestalten. Unser Bildungssystem trägt nach meinem Eindruck wenig Positives bei;
es scheint in weiten Teilen bemüht, die Änderungen der Welt so lang als möglich
zu ignorieren. Es gilt aber der alte Satz: Was ich nicht verstehe, kann ich
nicht gestalten! Was ich nicht verstehe, macht mir Angst!
Tatsächlich sind viele der Techniken, die sich heute unter Stichworten wie
\emph{Artificial Intelligence}, \emph{Machine Learning} oder \emph{Collective
Intelligence} verbergen, konzeptuell einfache Anwendungen von Linearer
Algebra. Wenn Sie diese Vorlesung durchgearbeitet haben, sind Sie in der
\emph{Pole Position}, um diese Sachen zu verstehen. Sie können sich noch heute
eine ein Framework wie \href{https://www.tensorflow.org/}{TensorFlow} auf ihren
Linux-Laptop laden, die hervorragenden
\href{https://www.tensorflow.org/tutorials}{Tutorials} hernehmen und ihr erstes
\emph{Machine Learning} Projekt starten! Oder schauen Sie sich bei
\href{https://www.kaggle.com/learn/overview}{Kaggle} um. Informieren Sie sich
über Quantencomputer! Das Internet ist voll von Ressourcen, die Ihnen diese
Technik erklären. Schauen Sie sich das interaktive Lehrbuch von
\href{https://qiskit.org/textbook/preface.html}{Qiskit} an
(\href{https://www.youtube.com/playlist?list=PLOFEBzvs-Vvp2xg9-POLJhQwtVktlYGbY}{Videos
gibt es hier}), und stellen Sie bei IBM ihren ersten
\href{https://quantum-computing.ibm.com/docs/start-iqx/code/first-circ}{Quanten-Schaltkreis}
zusammen. Oder Sie benutzen den
\href{http://www.quantumplayground.net/#/home}{Quantum Computing Playground}.
Vielleicht schauen Sie sich auch die praktischen Kurse von
\href{https://learn-xpro.mit.edu/quantum-computing}{MIT xPro} an.
\bigskip
Es ist sicher keine gute Idee, zu warten, bis Ihnen die Universität Freiburg
einen mundgerechten Kurs anbietet. Legen Sie los!
% !TEX root = LineareAlgebra2