SylabUZ
Nazwa przedmiotu | Podstawy neurobiologii obliczeniowej |
Kod przedmiotu | 13.1-WF-FizD-PNO-S17 |
Wydział | Wydział Fizyki i Astronomii |
Kierunek | Fizyka |
Profil | ogólnoakademicki |
Rodzaj studiów | drugiego stopnia z tyt. magistra |
Semestr rozpoczęcia | semestr zimowy 2017/2018 |
Semestr | 4 |
Liczba punktów ECTS do zdobycia | 4 |
Typ przedmiotu | obowiązkowy |
Język nauczania | polski |
Sylabus opracował |
|
Forma zajęć | Liczba godzin w semestrze (stacjonarne) | Liczba godzin w tygodniu (stacjonarne) | Liczba godzin w semestrze (niestacjonarne) | Liczba godzin w tygodniu (niestacjonarne) | Forma zaliczenia |
Wykład | 30 | 2 | - | - | Egzamin |
Laboratorium | 30 | 2 | - | - | Zaliczenie na ocenę |
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.
Opis efektu | Symbole efektów | Metody weryfikacji | Forma zajęć |
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
Zmodyfikowane przez prof. dr hab. Mirosław Dudek (ostatnia modyfikacja: 27-09-2017 11:28)