This course provides an introduction to basic computational methods for understanding what nervous systems do and for determining how they function. We will explore the computational principles governing various aspects of vision, sensory-motor control, learning, and memory. Specific topics that will be covered include representation of information by spiking neurons, processing of information in neural networks, and algorithms for adaptation and learning. We will make use of Matlab/Octave/Python demonstrations and exercises to gain a deeper understanding of concepts and methods introduced in the course. The course is primarily aimed at third- or fourth-year undergraduates and beginning graduate students, as well as professionals and distance learners interested in learning how the brain processes information.
Neurosciences computationnelles
proposé par
Université de Washington
À propos de ce cours
4.6
496 notes
Compétences que vous acquerrez
Computational NeuroscienceArtificial Neural NetworkReinforcement LearningBiological Neuron Model
Programme du cours : ce que vous apprendrez dans ce cours
Semaine
14 heures pour terminer
Introduction & Basic Neurobiology (Rajesh Rao)
This module includes an Introduction to Computational Neuroscience, along with a primer on Basic Neurobiology.
6 vidéos (Total 89 min), 6 lectures, 2 quiz
6 vidéos
1.2 Computational Neuroscience: Descriptive Models11 min
1.3 Computational Neuroscience: Mechanistic and Interpretive Models12 min
1.4 The Electrical Personality of Neurons23 min
1.5 Making Connections: Synapses20 min
1.6 Time to Network: Brain Areas and their Function17 min
6 lectures
Welcome Message & Course Logistics10 min
About the Course Staff10 min
Syllabus and Schedule10 min
Matlab & Octave Information and Tutorials10 min
Python Information and Tutorials10 min
Week 1 Lecture Notes10 min
2 exercices pour s'entraîner
Matlab/Octave Programmings
Python Programmings
Semaine
24 heures pour terminer
What do Neurons Encode? Neural Encoding Models (Adrienne Fairhall)
This module introduces you to the captivating world of neural information coding. You will learn about the technologies that are used to record brain activity. We will then develop some mathematical formulations that allow us to characterize spikes from neurons as a code, at increasing levels of detail. Finally we investigate variability and noise in the brain, and how our models can accommodate them.
8 vidéos (Total 167 min), 3 lectures, 1 quiz
8 vidéos
2.2 Neural Encoding: Simple Models12 min
2.3 Neural Encoding: Feature Selection22 min
2.4 Neural Encoding: Variability23 min
Vectors and Functions (by Rich Pang)30 min
Convolutions and Linear Systems (by Rich Pang)16 min
Change of Basis and PCA (by Rich Pang)18 min
Welcome to the Eigenworld! (by Rich Pang)24 min
3 lectures
Welcome Message10 min
Week 2 Lecture Notes and Tutorials10 min
IMPORTANT: Quiz Instructions10 min
1 exercice pour s'entraîner
Spike Triggered Averages: A Glimpse Into Neural Encodings
Semaine
33 heures pour terminer
Extracting Information from Neurons: Neural Decoding (Adrienne Fairhall)
In this module, we turn the question of neural encoding around and ask: can we estimate what the brain is seeing, intending, or experiencing just from its neural activity? This is the problem of neural decoding and it is playing an increasingly important role in applications such as neuroprosthetics and brain-computer interfaces, where the interface must decode a person's movement intentions from neural activity. As a bonus for this module, you get to enjoy a guest lecture by well-known computational neuroscientist Fred Rieke.
6 vidéos (Total 114 min), 2 lectures, 1 quiz
6 vidéos
3.2 Population Coding and Bayesian Estimation24 min
3.3 Reading Minds: Stimulus Reconstruction11 min
Fred Rieke on Visual Processing in the Retina14 min
Gaussians in One Dimension (by Rich Pang)30 min
Probability distributions in 2D and Bayes' Rule (by Rich Pang)13 min
2 lectures
Welcome Message10 min
Week 3 Lecture Notes and Supplementary Material10 min
1 exercice pour s'entraîner
Neural Decoding30 min
Semaine
43 heures pour terminer
Information Theory & Neural Coding (Adrienne Fairhall)
This module will unravel the intimate connections between the venerable field of information theory and that equally venerable object called our brain.
5 vidéos (Total 98 min), 2 lectures, 1 quiz
5 vidéos
4.2 Calculating Information in Spike Trains17 min
4.3 Coding Principles19 min
What's up with entropy? (by Rich Pang)25 min
Information theory? That's crazy! (by Rich Pang)16 min
2 lectures
Welcome Message10 min
Week 4 Lecture Notes and Supplementary Material10 min
1 exercice pour s'entraîner
Information Theory & Neural Codings
4.6
110 avis21%
a bénéficié d'un avantage concret dans sa carrière grâce à ce cours
Meilleurs avis
This course is an excellent introduction to the field of computational neuroscience, with engaging lectures and interesting assignments that make learning the material easy.
Great course! Really enjoyed the variety of topics and the just enough computational work in the quiz's. And that Eigen hat had me smiling and laughing about it for a week.
Enseignants
Rajesh P. N. Rao
ProfessorComputer Science & Engineering
Adrienne Fairhall
Associate ProfessorPhysiology and Biophysics
À propos de Université de Washington
Founded in 1861, the University of Washington is one of the oldest state-supported institutions of higher education on the West Coast and is one of the preeminent research universities in the world.
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
Une fois que vous êtes inscrit(e) pour un Certificat, vous pouvez accéder à toutes les vidéos de cours, et à tous les quiz et exercices de programmation (le cas échéant). Vous pouvez soumettre des devoirs à examiner par vos pairs et en examiner vous-même uniquement après le début de votre session. Si vous préférez explorer le cours sans l'acheter, vous ne serez peut-être pas en mesure d'accéder à certains devoirs.
À quoi ai-je droit si j'achète le Certificat ?
Lorsque vous achetez un Certificat, vous bénéficiez d'un accès à tout le contenu du cours, y compris les devoirs notés. Lorsque vous avez terminé et réussi le cours, votre Certificat électronique est ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.
Quelle est la politique de remboursement ?
Une aide financière est-elle possible ?
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
Coursera propose un accès universel à la meilleure formation au monde,
en partenariat avec des universités et des organisations du plus haut niveau, pour proposer des cours en ligne.
© 2019 Coursera Inc. Tous droits réservés.
