×
1 Vælg EITC/EITCA-certifikater
2 Lær og tag online eksamener
3 Få dine IT-kompetencer certificeret

Bekræft dine it-færdigheder og -kompetencer under den europæiske it-certificeringsramme fra hvor som helst i verden, helt online.

EITCA Academy

Standard for attestering af digitale færdigheder af European IT Certification Institute med det formål at understøtte udviklingen af ​​det digitale samfund

Log ind på din konto af enten dit brugernavn eller e-mail-adresse

OPRET EN KONTO Glemt din adgangskode?

FORGÅ DIN DETALJER?

AAH, vent, jeg HUSK NU!

OPRET EN KONTO

HAR DU ALLEREDE EN BRUGER?
EUROPÆISKE INFORMATIONSTEKNOLOGIER CERTIFICERINGSAKADEMI - AT TESTE DINE FAGLIGE DIGITALE FÆRDIGHEDER
  • TILMELD DIG
  • LOGIN
  • INFO

EITCA Academy

EITCA Academy

Det Europæiske Institut for Certifikation af Informationsteknologi - EITCI ASBL

Certificeringsmyndighed

EITCI Instituttet

Bruxelles, Den Europæiske Union

Regulerende europæisk it-certificering (EITC) -standard til støtte for it-professionalisme og det digitale samfund

  • CERTIFIKATER
    • EITCA-AKADEMIER
      • EITCA ACADEMIES-KATALOG<
      • EITCA/CG COMPUTER GRAFIK
      • EITCA/ER INFORMATIONSSIKKERHED
      • EITCA/BI FORRETNINGSINFORMATION
      • EITCA/KC Nøglekompetencer
      • EITCA/EG E-REGERING
      • EITCA/WD WEB UDVIKLING
      • EITCA/AI KUNSTIG INTELLIGENCE
    • EITC-CERTIFIKATER
      • EITC CERTIFIKATER KATALOG<
      • COMPUTERGRAFIKCERTIFIKATER
      • WEB-DESIGNCERTIFIKATER
      • 3D-DESIGNCERTIFIKATER
      • KONTOR DETS CERTIFIKATER
      • BITCOIN BLOCKCHAIN ​​CERTIFIKAT
      • WORDPRESS CERTIFIKAT
      • CLOUD PLATFORM CERTIFIKATNY
    • EITC-CERTIFIKATER
      • INTERNETCERTIFIKATER
      • KRYPTOGRAFICERTIFIKATER
      • FORRETNINGSDET CERTIFIKATER
      • TELEVERKSCERTIFIKATER
      • PROGRAMMERINGSCERTIFIKATER
      • DIGITAL PORTRETSCERTIFIKAT
      • WEBUDVIKLINGSCERTIFIKATER
      • DYPE LÆRINGSCERTIFIKATERNY
    • CERTIFIKATER FOR
      • EU OFFENTLIG ADMINISTRATION
      • LÆRERE OG UDDANNELSE
      • DET SIKKERHEDSFORLIGERE
      • GRAFIK DESIGNERE & KUNSTNERE
      • BUSINESSMEN OG MANAGERS
      • BLOCKCHAIN-UDVIKLERE
      • WEB-UDVIKLERE
      • CLOUD AI EKSPERTERNY
  • SPECIAL
  • TILSKUD
  • SÅDAN VIRKER DET
  •   IT ID
  • OM
  • KONTAKT
  • MIN BESTILLING
    Din nuværende ordre er tom.
EITCIINSTITUTE
CERTIFIED

EITC/AI/TFQML TensorFlow Quantum Machine Learning

by admin / Fredag ​​05 2021 februar / Udgivet i Ikke kategoriseret
Nuværende status
Ikke tilmeldt
Pris
€110
Kom i gang
Tilmeld dig denne certificering

EITC/AI/TFQML TensorFlow Quantum Machine Learning er det europæiske IT-certificeringsprogram til brug af Google TensorFlow Quantum-bibliotek til implementering af machine learning i Google Quantum Processor Sycamore-arkitektur.

Læreplanen for EITC/AI/TFQML TensorFlow Quantum Machine Learning fokuserer på teoretisk viden og praktiske færdigheder i brugen af ​​Googles TensorFlow Quantum-bibliotek til avanceret kvanteberegningsmodelbaseret maskinindlæring på Google Quantum Processor Sycamore-arkitektur organiseret inden for følgende struktur, omfattende omfattende video didaktisk indhold som reference for denne EITC-certificering.

TensorFlow Quantum (TFQ) er et kvantemaskinelæringsbibliotek til hurtig prototyping af hybrid kvante-klassiske ML-modeller. Forskning i kvantealgoritmer og applikationer kan udnytte Googles kvanteberegningsrammer, alt sammen inden for TensorFlow.

TensorFlow Quantum fokuserer på kvantedata og opbygning af hybrid kvante-klassiske modeller. Det integrerer kvanteberegningsalgoritmer og logik designet i Cirq (kvanteprogrammeringsramme baseret på kvantekredsløbsmodel) og giver kvanteberegningsprimitiver kompatible med eksisterende TensorFlow API'er sammen med højtydende kvantekredsløbssimulatorer. Læs mere i TensorFlow Quantum-hvidbogen.

Kvanteberegning er brugen af ​​kvantefænomener som superposition og sammenfiltring til at udføre beregning. Computere, der udfører kvanteberegninger, er kendt som kvantecomputere. Kvantecomputere menes at være i stand til at løse visse beregningsproblemer, såsom heltal faktorisering (som ligger til grund for RSA-kryptering), væsentligt hurtigere end klassiske computere. Undersøgelsen af ​​kvantecomputering er et underfelt af kvanteinformationsvidenskab.

Kvantecomputering begyndte i begyndelsen af ​​1980'erne, da fysikeren Paul Benioff foreslog en kvantemekanisk model af Turing-maskinen. Richard Feynman og Yuri Manin foreslog senere, at en kvantecomputer havde potentialet til at simulere ting, som en klassisk computer ikke kunne. I 1994 udviklede Peter Shor en kvantealgoritme til factoring af heltal, der havde potentiale til at dekryptere RSA-krypteret kommunikation. På trods af igangværende eksperimentelle fremskridt siden slutningen af ​​1990'erne, mener de fleste forskere, at "fejltolerant kvanteberegning stadig er en ret fjern drøm." I de senere år er investeringerne i forskning i kvantecomputer steget i både den offentlige og den private sektor. Den 23. oktober 2019 hævdede Google AI i partnerskab med US National Aeronautics and Space Administration (NASA) at have udført en kvanteberegning, der er umulig på enhver klassisk computer (såkaldt quantum supremacy result).

Der er flere modeller af kvantecomputere (eller rettere kvantecomputersystemer), herunder kvantekredsløbsmodellen, kvanteturingmaskine, adiabatisk kvantecomputer, envejs kvantecomputer og forskellige kvantecelleautomater. Den mest anvendte model er kvantekredsløbet. Kvantekredsløb er baseret på kvantebiten eller "qubit", som er noget analog med biten i klassisk beregning. Qubits kan være i kvantetilstand 1 eller 0, eller de kan være i en superposition af tilstandene 1 og 0. Men når qubits måles, er resultatet af målingen altid enten 0 eller 1; sandsynligheden for disse to resultater afhænger af kvantetilstanden, som qubits var i umiddelbart før målingen.

Fremskridt hen imod opbygning af en fysisk kvantecomputer fokuserer på teknologier såsom transmoner, ionfælder og topologiske kvantecomputere, der sigter mod at skabe qubits af høj kvalitet. Disse qubits kan designes forskelligt, afhængigt af den fulde kvantecomputers computermodel, hvad enten kvantelogiske porte, kvanteudglødning eller adiabatisk kvanteberegning. Der er i øjeblikket en række væsentlige hindringer i vejen for konstruktion af nyttige kvantecomputere. Især er det vanskeligt at opretholde kvantetilstande for qubits, da de lider af kvantedekoherens og tilstandsfidelitet. Kvantecomputere kræver derfor fejlkorrektion. Ethvert beregningsproblem, der kan løses af en klassisk computer, kan også løses af en kvantecomputer. Omvendt kan ethvert problem, der kan løses af en kvantecomputer, også løses af en klassisk computer, i det mindste i princippet givet tilstrækkelig tid. Med andre ord adlyder kvantecomputere Church-Turing-afhandlingen. Mens dette betyder, at kvantecomputere ikke giver yderligere fordele i forhold til klassiske computere med hensyn til beregningsevne, har kvantealgoritmer for visse problemer betydeligt lavere tidskompleksiteter end tilsvarende kendte klassiske algoritmer. Især menes kvantecomputere at være i stand til hurtigt at løse visse problemer, som ingen klassisk computer kunne løse på nogen mulig tid - en bedrift kendt som "kvanteherredømme". Undersøgelsen af ​​beregningskompleksiteten af ​​problemer med hensyn til kvantecomputere er kendt som kvantekompleksitetsteori.

Google Sycamore er en kvanteprocessor oprettet af Google Inc.'s afdeling for kunstig intelligens. Det består af 53 qubits.

I 2019 afsluttede Sycamore en opgave på 200 sekunder, som Google hævdede, i et Nature-papir, at det ville tage en avanceret supercomputer 10,000 år at afslutte. Google hævdede således at have opnået kvanteoverherredømme. For at estimere den tid, som en klassisk supercomputer ville tage, kørte Google dele af kvantekredsløbssimuleringen på topmødet, den mest magtfulde klassiske computer i verden. Senere fremsatte IBM et modargument og hævdede, at opgaven kun ville tage 2.5 dage på et klassisk system som Summit. Hvis Googles krav opretholdes, vil det repræsentere et eksponentielt spring i computerkraft.

I august 2020 rapporterede kvanteingeniører, der arbejder for Google, den største kemiske simulering på en kvantecomputer - en Hartree-Fock-tilnærmelse med Sycamore parret med en klassisk computer, der analyserede resultaterne for at give nye parametre til 12-qubit-systemet.

I december 2020 opnåede den kinesiske fotonbaserede Jiuzhang-processor, udviklet af USTC, en processorkraft på 76 qubits og var 10 milliarder gange hurtigere end Sycamore, hvilket gjorde det til den anden computer, der opnåede kvanteoverherredømme.

Quantum Artificial Intelligence Lab (også kaldet Quantum AI Lab eller QuAIL) er et fælles initiativ fra NASA, Universities Space Research Association og Google (specifikt Google Research), hvis mål er at banebrydende forskning om, hvordan kvantecomputering kan hjælpe med maskinindlæring og andre vanskelige datalogiske problemer. Laboratoriet er vært på NASAs Ames Research Center.

Quantum AI Lab blev annonceret af Google Research i et blogindlæg den 16. maj 2013. På tidspunktet for lanceringen brugte Lab den mest avancerede kommercielt tilgængelige kvantecomputer, D-Wave Two fra D-Wave Systems.

Den 20. maj 2013 blev det meddelt, at folk kunne ansøge om at bruge tid på D-Wave Two på Lab. Den 10. oktober 2013 udgav Google en kortfilm, der beskriver den aktuelle tilstand for Quantum AI Lab. Den 18. oktober 2013 meddelte Google, at det havde indarbejdet kvantefysik i Minecraft.

I januar 2014 rapporterede Google resultater, der sammenlignede ydeevnen for D-Wave Two i laboratoriet med den for klassiske computere. Resultaterne var tvetydige og fremkaldte heftig diskussion på Internettet. Den 2. september 2014 blev det meddelt, at Quantum AI Lab, i partnerskab med UC Santa Barbara, ville lancere et initiativ til at skabe kvanteinformationsprocessorer baseret på superledende elektronik.

Den 23. oktober 2019 meddelte Quantum AI Lab i et papir, at det havde opnået kvanteoverherredømme.

Google AI Quantum udvikler kvantecomputering ved at udvikle kvanteprocessorer og nye kvantealgoritmer for at hjælpe forskere og udviklere med at løse nærtidsproblemer, både teoretiske og praktiske.

Quantum computing anses for at hjælpe med at udvikle morgendagens innovationer, herunder AI. Derfor afsætter Google betydelige ressourcer til at opbygge dedikeret kvantehardware og -software.

Quantum computing er et nyt paradigme, der vil spille en stor rolle i at fremskynde opgaver for AI. Google sigter mod at tilbyde forskere og udviklere adgang til open source-rammer og computerkraft, der kan fungere ud over klassiske beregningsfunktioner.

De vigtigste fokusområder i Google AI Quantum er

  • Superledende qubit-processorer: Superledende qubits med chipbaseret skalerbar arkitektur, der målretter to-qubit gate-fejl <0.5%.
  • Qubit-metrologi: At reducere tab på to qubit under 0.2% er afgørende for fejlkorrektion. Vi arbejder på et kvante-overherredømme-eksperiment for at tilnærme prøve et kvantekredsløb ud over mulighederne i moderne klassiske computere og algoritmer.
  • Kvantesimulering: Simulering af fysiske systemer er blandt de mest forventede anvendelser af kvantecomputering. Vi fokuserer især på kvantealgoritmer til modellering af interagerende elektroner med applikationer inden for kemi og materialevidenskab.
  • Kvanteassisteret optimering: Vi udvikler hybrid kvante-klassiske solvere til omtrentlig optimering. Termiske spring i klassiske algoritmer for at overvinde energibarrierer kunne forbedres ved at påberåbe sig kvanteopdateringer. Vi er især interesserede i sammenhængende befolkningsoverførsel.
  • Kvante neurale netværk: Vi udvikler en ramme til implementering af et kvante neuralt netværk på kortvarige processorer. Vi er interesserede i at forstå, hvilke fordele der kan opstå ved at generere massive superpositionstilstande under driften af ​​netværket.

De vigtigste værktøjer, der er udviklet af Google AI Quantum, er open source-rammer, der er specielt designet til at udvikle nye kvantealgoritmer til at hjælpe med at løse kortvarige applikationer til praktiske problemer. Disse inkluderer:

  • Cirq: en open source-kvanteramme til opbygning og eksperimentering med støjende kvantealgoritmer (NISQ) på kortvarige kvanteprocessorer
  • OpenFermion: en open source-platform til oversættelse af problemer inden for kemi og materialevidenskab til kvantekredsløb, der kan udføres på eksisterende platforme

Google AI Quantum-kortvarige applikationer inkluderer:

Kvantesimulering

Designet af nye materialer og belysning af kompleks fysik gennem nøjagtige simuleringer af kemi og kondenseret materiale er blandt de mest lovende anvendelser af kvanteberegning.

Fejlafhjælpningsteknikker

Vi arbejder på at udvikle metoder på vejen til fuld korrektionsfejlkorrektion, der har mulighed for dramatisk at reducere støj i nuværende enheder. Selvom fejltolerant kvanteberegning i fuld skala kan kræve en betydelig udvikling, har vi udviklet kvanteundersides udvidelsesteknikken for at hjælpe med at udnytte teknikker fra kvantefejlkorrektion for at forbedre ydeevnen for applikationer på nærtidsenheder. Desuden letter disse teknikker test af komplekse kvantekoder på kortvarige enheder. Vi skubber aktivt disse teknikker ind i nye områder og udnytter dem som grundlag for design af kortvarige eksperimenter.

Kvantemaskinelæring

Vi udvikler hybrid kvante-klassisk maskinlæringsteknikker på kortvarige kvanteenheder. Vi studerer universel kvantekredslæring for klassificering og gruppering af kvante- og klassiske data. Vi er også interesserede i generative og diskriminerende kvante neurale netværk, der kan bruges som kvante-repeatere og tilstandsrensningsenheder inden for kvantekommunikationsnetværk eller til verifikation af andre kvantekredsløb.

Kvanteoptimering

Diskrete optimeringer i luftfarts-, bil- og andre industrier kan drage fordel af hybrid kvante-klassisk optimering, for eksempel kan simuleret annealing, kvanteassisteret optimeringsalgoritme (QAOA) og kvanteforbedret befolkningsoverførsel have nytte med nutidens processorer.

For at gøre dig nærmere bekendt med certificeringspensum kan du udvide og analysere nedenstående tabel.

EITC/AI/TFQML TensorFlow Quantum Machine Learning Certification Curriculum refererer til didaktisk materiale med åben adgang i en videoform. Læreprocessen er opdelt i en trin-for-trin struktur (programmer -> lektioner -> emner), der dækker relevante læseplansdele. Der tilbydes også ubegrænset rådgivning med domæneeksperter.
Tjek for detaljer om certificeringsproceduren Sådan fungerer det.

Ressourcer til læseplanreferencer

TensorFlow Quantum (TFQ) er et kvantemaskinelæringsbibliotek til hurtig prototyping af hybrid kvante-klassiske ML-modeller. Forskning i kvantealgoritmer og applikationer kan udnytte Googles kvanteberegningsrammer, alt sammen inden for TensorFlow. TensorFlow Quantum fokuserer på kvantedata og opbygning af hybrid kvante-klassiske modeller. Det integrerer kvanteberegningsalgoritmer og logik designet i Cirq og giver kvanteberegningsprimitiver kompatible med eksisterende TensorFlow API'er sammen med højtydende kvantekredsløbssimulatorer. Læs mere i TensorFlow Quantum-hvidbogen. Som yderligere reference kan du tjekke oversigten og køre notesbøgerne.

https://www.tensorflow.org/quantum

Cirq

Cirq er en open source-ramme til Noisy Intermediate Scale Quantum (NISQ) -computere. Det blev udviklet af Google AI Quantum Team, og den offentlige alfa blev annonceret på International Workshop om Quantum Software og Quantum Machine Learning den 18. juli 2018. En demo af QC Ware viste en implementering af QAOA, der løste et eksempel på den maksimale nedskæring problemet løses på en Cirq-simulator. Kvanteprogrammer i Cirq er repræsenteret af "Circuit" og "Schedule" hvor "Circuit" repræsenterer et Quantum circuit og "Schedule" repræsenterer et Quantum circuit med timing information. Programmerne kan udføres på lokale simulatorer. Følgende eksempel viser, hvordan man opretter og måler en Bell-tilstand i Cirq.

importere cirq

# Vælg qubits
qubit0 = cirq.GridQubit(0, 0)
qubit1 = cirq.GridQubit(0, 1)

# Opret et kredsløb
kredsløb = cirq.Circuit.fra_ops(
    cirq.H(qubit0),
    cirq.CNOT(qubit0, qubit1),
    cirq.måle(qubit0, nøgle='m0'),
    cirq.måle(qubit1, nøgle='m1')
)

Udskrivning af kredsløbet viser dets diagram

trykke(kredsløb)
# udskriver
# (0, 0): ───H─── @ ───M ('m0') ───
# │
# (0, 1): ───────X───M ('m1') ───

Simulering af kredsløbet viser gentagne gange, at målingerne af qubits er korreleret.

simulator = cirq.Simulator()
resultere = simulator.køre(kredsløb, prøver=5)
trykke(resultere)
# udskriver
# m0 = 11010
# m1 = 11010

Certificeringsprogram Curriculum

Udvid alle
Introduktion 2 emner
Udvid
Lektionsindhold
0% Komplet 0/2 trin
Introduktion til Google AI Quantum
Introduktion til quantum computing
Implementering af kvantecomputer 1 emne
Udvid
Lektionsindhold
0% Komplet 0/1 trin
Opbygning af en kvantecomputer med superledende qubits
Programmering af kvantecomputer 1 emne
Udvid
Lektionsindhold
0% Komplet 0/1 trin
Programmering af en kvantecomputer med Cirq
Kvant overherredømme 5 emner
Udvid
Lektionsindhold
0% Komplet 0/5 trin
Kvant overherredømme forklaret
Kontrol af transmon-qubits ved hjælp af et kryogent CMOS-integreret kredsløb
Quantum supremacy: benchmarking af Sycamore-processoren
Uddrag af kohærensoplysninger fra tilfældige kredsløb
Skøn over den statistiske betydning af kvanteoverherredømme
Oversigt over TensorFlow Quantum 2 emner
Udvid
Lektionsindhold
0% Komplet 0/2 trin
TensorFlow Quantum: en softwareplatform til hybrid kvante-klassisk ML
Lagvis læring til kvante neurale netværk
Praktisk TensorFlow Quantum - binær klassifikator 1 emne
Udvid
Lektionsindhold
0% Komplet 0/1 trin
Brug af Tensorflow Quantum til simpel kvant binær klassificering
Praktisk Tensorflow Quantum - XOR problem 2 emner
Udvid
Lektionsindhold
0% Komplet 0/2 trin
Løsning af XOR-problemet med kvantemaskinelæring med TFQ
Quantum XOR beslutningsgrænse med TFQ
Kvantforstærkningslæring 1 emne
Udvid
Lektionsindhold
0% Komplet 0/1 trin
Replikering af forstærkningslæring med kvantevariationskredsløb med TFQ
Quantum Approximate Optimization Algorithm (QAOA) 1 emne
Udvid
Lektionsindhold
0% Komplet 0/1 trin
Quantum Approximate Optimization Algorithm (QAOA) med Tensorflow Quantum
Variant Quantum Eigensolver (VQE) 3 emner
Udvid
Lektionsindhold
0% Komplet 0/3 trin
Variant Quantum Eigensolver (VQE) i Tensorflow Quantum til enkelt qubit Hamiltonians
Variational Quantum Eigensolver (VQE) i TensorFlow-Quantum i 2 qubit Hamiltonians
Optimering af VQE'er med Rotosolve i Tensorflow Quantum
EITC/AI/TFQML TensorFlow Quantum Machine Learning
  • Tweet

Om admin

Forside » Min profil

Certificeringscenter

Program Hjem Udvid alle
Introduktion
2 emner
Introduktion til Google AI Quantum
Introduktion til quantum computing
Implementering af kvantecomputer
1 emne
Opbygning af en kvantecomputer med superledende qubits
Programmering af kvantecomputer
1 emne
Programmering af en kvantecomputer med Cirq
Kvant overherredømme
5 emner
Kvant overherredømme forklaret
Kontrol af transmon-qubits ved hjælp af et kryogent CMOS-integreret kredsløb
Quantum supremacy: benchmarking af Sycamore-processoren
Uddrag af kohærensoplysninger fra tilfældige kredsløb
Skøn over den statistiske betydning af kvanteoverherredømme
Oversigt over TensorFlow Quantum
2 emner
TensorFlow Quantum: en softwareplatform til hybrid kvante-klassisk ML
Lagvis læring til kvante neurale netværk
Praktisk TensorFlow Quantum - binær klassifikator
1 emne
Brug af Tensorflow Quantum til simpel kvant binær klassificering
Praktisk Tensorflow Quantum - XOR problem
2 emner
Løsning af XOR-problemet med kvantemaskinelæring med TFQ
Quantum XOR beslutningsgrænse med TFQ
Kvantforstærkningslæring
1 emne
Replikering af forstærkningslæring med kvantevariationskredsløb med TFQ
Quantum Approximate Optimization Algorithm (QAOA)
1 emne
Quantum Approximate Optimization Algorithm (QAOA) med Tensorflow Quantum
Variant Quantum Eigensolver (VQE)
3 emner
Variant Quantum Eigensolver (VQE) i Tensorflow Quantum til enkelt qubit Hamiltonians
Variational Quantum Eigensolver (VQE) i TensorFlow-Quantum i 2 qubit Hamiltonians
Optimering af VQE'er med Rotosolve i Tensorflow Quantum
EITC/AI/TFQML TensorFlow Quantum Machine Learning

BRUGERMENU

  • Mine reservationer

CERTIFIKATKATEGORI

  • EITC-certificering (105)
  • EITCA-certificering (9)

Hvad leder du efter?

  • Introduktion
  • Hvordan det virker?
  • EITCA akademier
  • EITCI DSJC-tilskud
  • Fuldt EITC-katalog
  • Din ordre
  • Udvalgt
  •   IT ID
  • Om
  • Kontakt

    EITCA Akademiets administrative kontor

    Europæisk IT-certificeringsinstitut
    Bruxelles, Belgien, Den Europæiske Union

    EITC/EITCA Certification Authority
    Gældende europæisk it-certificeringsstandard
    Adgang kontaktformular eller opkald + 32 25887351

    10 dage siden #EITC/WD/WPF WordPress Fundamentals-certifikat (en del af #EITCA/WD) attesterer ekspertise i #WordPress CMS, i... https://t.co/A2jjXPeKgj
    Følg @EITCI

    Oversæt automatisk til dit sprog

    Vilkår & Betingelser | Privatlivspolitik
    Følg @EITCI
    EITCA Academy
    • EITCA Academy på sociale medier
    EITCA Academy


    © 2008-2023  Europæisk IT-certificeringsinstitut
    Bruxelles, Belgien, Den Europæiske Union

    TOP
    Chat med support
    Chat med support
    Spørgsmål, tvivl, problemer? Vi er her for at hjælpe dig!
    Afslut chat
    Tilslutning ...
    Har du et spørgsmål? Spørg os!
    Har du et spørgsmål? Spørg os!
    :
    :
    :
    Send
    Har du et spørgsmål? Spørg os!
    :
    :
    Start chat
    Chat-sessionen er afsluttet. Tak skal du have!
    Bedøm den support, du har modtaget.
    god Bad