SylabUZ
| Course name | Podstawy neurobiologii obliczeniowej |
| Course ID | 13.1-WF-FizD-PNO-S17 |
| Faculty | Faculty of Physics and Astronomy |
| Field of study | Physics |
| Education profile | academic |
| Level of studies | Second-cycle studies leading to MS degree |
| Beginning semester | winter term 2018/2019 |
| Semester | 4 |
| ECTS credits to win | 4 |
| Course type | obligatory |
| Teaching language | polish |
| Author of syllabus |
|
| The class form | Hours per semester (full-time) | Hours per week (full-time) | Hours per semester (part-time) | Hours per week (part-time) | Form of assignment |
| Lecture | 30 | 2 | - | - | Exam |
| Laboratory | 30 | 2 | - | - | Credit with grade |
Zapoznanie studentów z teoretycznymi, obliczeniowymi i praktycznymi elementami neurobiologii
obliczeniowej. Przygotowanie do pracy w pracowni neurobiologii obliczeniowej w jednostce medycznej lub
naukowej.
Znajomość podstaw rachunku prawdopodobieństwa, biostatystyki oraz matematycznych metod neurobiologii
obliczeniowej. Umiejętność programowania w języku Python lub języku R
1) Neuron i modele oparte na konduktancji
2) Uproszczone modele neuronu i populacji neuronów
3) Analiza czasu występowania pików
4) Asocjatory i plastyczność synaptyczna
5) Przetwarzanie dużych wolumenów danych w bioinformatyce / big data w bioinformatyce
6) Podstawowe modele sieci
7) Szybkie sieci z modelowaniem wprost
8) Samoorganizujące się sieci i algorytmy genetyczne
9) Modelowanie statystyczne w neurobiologii obliczeniowej
10) Sieci chaotyczne
Podczas ćwiczeń studenci będą rozwiązywali zadania programistyczne związane z powyższymi
tematami posługując się językiem Python lub R.
Wykład problemowy oraz konwersatoryjny. Ćwiczenia laboratoryjne, zadania programistycznie oraz projekty.
| Outcome description | Outcome symbols | Methods of verification | The class form |
Wykład:
Warunkiem zaliczenia wykładu jest zdanie egzaminu końcowego pisemnego polegającego na
opisaniu kilku problemów teoretycznych.
Ćwiczenia:
W trakcie zajęć laboratoryjnych studenci wykonywać będą otwarte projekty oparte o zawartość
wykładów.
[1] Thomas Trappenberg, Fundamentals of Computational Neuroscience 2nd Edition
[2] Peter Dayan, Laurence F. AbbottTheoretical Neuroscience: Computational and Mathematical Modeling of Neural Systems (Computational Neuroscience Series) Revised ed. Edition
Modified by dr hab. Piotr Lubiński, prof. UZ (last modification: 27-06-2018 22:52)
