Prazos flexíveis

Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Certificado compartilhável
Ganhe um certificado após a conclusão
100% online
Comece instantaneamente e aprenda em sua própria programação.
Nível iniciante
Aproximadamente. 26 horas para concluir
Inglês
Legendas: árabe, francês, português (europeu), italiano, vietnamita, alemão, russo, inglês, espanhol

Rajesh P. N. Rao
Professor
Ciência da Computação e Engenharia
Adrienne Fairhall
professor associado
Fisiologia e Biophysicsyllabus – O que você aprenderá com este curso
Introdução e neurobiologia básica (Rajesh Rao)
Este módulo inclui uma introdução à neurociência computacional, juntamente com uma cartilha sobre neurobiologia básica.
O que os neurônios codificam? Modelos de codificação neural (Adrienne Fairhall)
Este módulo apresenta o mundo cativante da codificação de informações neurais. Você aprenderá sobre as tecnologias usadas para registrar a atividade cerebral. Em seguida, desenvolveremos algumas formulações matemáticas que nos permitem caracterizar picos dos neurônios como um código, em níveis crescentes de detalhes. Finalmente, investigamos variabilidade e ruído no cérebro e como nossos modelos podem acomodá -los.
Extraindo informações dos neurônios: decodificação neural (Adrienne Fairhall)
Neste módulo, transformamos a questão da codificação neural e perguntamos: podemos estimar o que o cérebro está vendo, pretendendo ou experimentando apenas de sua atividade neural? Esse é o problema da decodificação neural e está desempenhando um papel cada vez mais importante em aplicações como neuroproptéticas e interfaces de computadores cerebrais, onde a interface deve decodificar as intenções de movimento de uma pessoa da atividade neural. Como bônus para este módulo, você desfruta de uma palestra de convidado do conhecido neurocientista computacional Fred Rieke.
Teoria da informação e codificação neural (Adrienne Fairhall)
Este módulo desvendará as conexões íntimas entre o venerável campo da teoria da informação e esse objeto igualmente venerável chamado nosso cérebro.
Computação em carbono (Adrienne Fairhall)
Este módulo leva você ao mundo da biofísica dos neurônios, onde você encontrará um dos modelos matemáticos mais famosos em neurociência, a geração de potencial de potencial de ação (Spike) de Hodgkin-Huxley. Também nos aprofundaremos em outros modelos de neurônios e aprenderemos a modelar a estrutura de um neurônio, incluindo os ramos intrincados chamados dendritos.
Computação com redes (Rajesh Rao)
Este módulo explora como os modelos de neurônios podem ser conectados para criar modelos de rede. A primeira palestra mostra como modelar essas conexões notáveis ​​entre neurônios chamados sinapses. Esta palestra o deixará na companhia de uma simples rede de neurônios de integração e incêndio que se seguem ou dançam em sincronia. Na segunda palestra, você aprenderá sobre modelos de taxas de disparo e redes de feedforward, que transformam suas entradas em saídas em um único passe “feedforward”. A última palestra leva você ao mundo dinâmico de redes recorrentes, que usam feedback entre neurônios para amplificação, memória, atenção, oscilações e muito mais!
Redes que aprendem: plasticidade no cérebro e aprendizado (Rajesh Rao)
Este módulo investiga modelos de plasticidade sináptica e aprendizado no cérebro, incluindo a prescrição presciente de um psicólogo canadense de como os neurônios devem aprender (aprendizado hebbiano) e a revelação de que os cérebros podem fazer estatísticas (mesmo que nós mesmos às vezes não possamos)! As próximas duas palestras exploram o aprendizado e as teorias da função cerebral sem supervisão com base na codificação esparsa e na codificação preditiva.
Aprendendo com a supervisão e recompensas (Rajesh Rao)
Neste último módulo, exploramos aprendizado supervisionado e aprendizado de reforço. A primeira palestra apresenta o aprendizado supervisionado com a ajuda de rostos famosos da política e de Bollywood, lança neurônios como classificadores e oferece uma amostra daquela rocha de aprendizado supervisionado, retropropatação, com cuja ajuda você aprenderá a apoiar um caminhão em um caminhão Carregando a doca. A segunda e a terceira palestras se concentram no aprendizado de reforço. A segunda palestra ensinará como prever recompensas ao cachorro de Pavlov e explorará a conexão com esse importante produto químico relacionado à recompensa em nossos cérebros: dopamina. Na terceira palestra, aprenderemos a selecionar as melhores ações para maximizar as recompensas e examinaremos uma possível implementação neural de nosso modelo computacional na região do cérebro, conhecida como gânglios da base. The Grand Finale: pilotando um helicóptero usando o aprendizado de reforço!