看到評論裏有人問，所以寫了這個文章做一個並不專業的小結。這些資料比較籠統，大家有了具體的課題再自行搜索相關的論文吧。我學的都是gate based的量子算法，所以以下資料涉及quantum annealing和QAOA算法相對較少（2中的兩個課講了這個內容）。
1. Quantum Computation and Quantum Information是一本很經典的教材，不用按順序看，讀前幾章後需要什麼算法去裏面查就行。基本上經典的算法都有，也有一些量子密鑰分發的protocols。
2. Edx上量子機器學習的MOOC課，多倫多大學開的，之前有評論說這個課現在聽不了了，有一門類似的質量很高的課Advanced Quantum Algorithms。
3. 這是一個我常看的公衆號內的一個內容彙總，包括了很多量子機器學習算法和實現它們的fundamental units。因爲是中文的，可以配合具體算法的論文一起看，理解起來會更快。
4. Quantum Machine Learning是一篇去年的綜述論文。Quantum Machine Learning for Data Scientists比較像check notes，在看具體的算法的時候可以看看它。
5. Quantum Machine Learning_ What Quantum Computing Means to Data Mining [Wittek 2014-08-28]和Supervised Learning with Quantum Computers是兩本專門關於量子機器學習的教材。
6. 兩篇關於量子機器學習的中文綜述:
量子機器學習算法綜述
量子機器學習
7. 我平時如果仿真一些量子電路會用IBM的Qiskit，是一個開源的量子計算平臺。也可以通過它遠程連接IBM的量子計算機，在他們的量子計算機上跑。如果熟悉Python的話就會特別簡單，就是安裝一個package，語言也不難。
Rigetti也有一個類似的平臺叫PyQuil，和Qiskit比起來各有優缺點。PyQuil可以自定義量子門，語言上比Qiskit更簡單。但可能用的人更少，連接到他們的量子計算機會麻煩一些。
8. Quantum Algorithm Implementations for Beginners給出了很多算法的量子電路，和在Qiskit上運行的結果。