LineareAlgebra2/19-ausblick.tex
Stefan Kebekus 75fe57af6b Working
2025-07-04 14:21:10 +02:00

77 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 etwas
gelernt und für sich mitgenommen haben.
\bigskip
\bigskip
Ich wünsche Ihnen weiterhin viel Erfolg in Ihrem Studium!
\bigskip
--- Stefan Kebekus.
\bigskip
\bigskip
\subsection*{Ein sehr persönliches Wort zum Ende}
\begin{quote}
\foreignlanguage{english}{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