BMETE47MC40

Nyomtatóbarát változatNyomtatóbarát változat
Tantárgy azonosító adatok
A tárgy címe: 
Idegrendszeri modellezés
A tárgy angol címe: 
Computational Neuroscience
A tárgy rövid címe: 
IdegrendszeriModellezés
2
0
0
f
Kredit: 
3
A tantárgy felelős tanszéke: 
Kognitív Tudományi Tanszék
A tantárgy felelős oktatója: 
Dr Lukács Ágnes
A tantárgy felelős oktatójának beosztása: 
egyetemi docens
Akkreditációs adatok
Akkreditációra benyújtás időpontja: 
2016.06.16.
Akkreditációs bizottság döntési időpontja: 
2016.08.10.
Tematika
A tantárgy szerepe a képzés céljának megvalósításában: 
Kognitív Tanulmányok MSc kötelezően választható tárgya
A tantárgy részletes tematikája magyarul és angolul: 

Az agy egy információfeldolgozó rendszer, mely komplex környezetünk ingereit dolgozza fel, tanul róla, és döntéseket formál. Ahhoz, hogy megfogalmazzuk, hogy milyen műveleteket is végezhet ehhez az agy és, hogy tesztelhessük feltételezéseinket matematikai eszközöket tudunk használni. A kurzus során az infromációelmélet, dinamikus rendszerek, gépi tanulás elemeit vezetjük be, melyek segítségével a neurális kód, az érzékelés, döntéshozatal, tanulás és memória fogalmai kezelhetőek. A kurzus során a neurális kód felfejtéséhez szükséges populációs elemzési megközelítéseket vizsgáljuk, az idegsejtekben és az idegsejtek hálózatainak zajló számítások megértéséhez szükséges eszközöket nézzük át, majd pedig az adaptív idegrendszer alapját képező tanulás matematikáját és gyakorlati vonatkozásait fedezzük fel.

Our brain is an information processing device that interprets sensory stimuli to learn about the external world and make intelligent decisions. To understand how the brain achieves all these functions we develop computational models and compare their predictions to neuronal activity recorded during behavior. During this course we introduce the toolkit of information theory, dynamical systems and machine learning to discover the principles underlying sensory coding, decision making, learning and memory. The course starts with discussing how the activity of neural populations represent and transform sensory information in order to control behavioral responses. Then we study the excitability of neurons and networks both at the biophysical and at the dynamical level. Finally we investigate the mathematical basis of learning and memory in the nervous system. Besides the lectures focusing on the core principles and concepts of computational neuroscience, the course also includes optional programming exercises in python allowing students to test their knowledge on real data.

Követelmények szorgalmi időszakban: 
házifeladat, zh
Pótlási lehetőségek: 
pót-zh
Konzultációs lehetőségek: 
egyeztetés szerint
Jegyzet, tankönyv, felhasználható irodalom: 
http://golab.wigner.mta.hu/teaching/
A tárgy elvégzéséhez átlagosan szükséges tanulmányi munka mennyisége órákban (a teljes szemeszterre számítva)
Kontakt óra: 
28
Félévközi felkészülés órákra: 
14
Felkészülés zárthelyire: 
30
Zárthelyik megírása: 
4
Házi feladat elkészítése: 
14
Kijelölt írásos tananyag elsajátítása (beszámoló): 
0
Egyéb elfoglaltság: 
0
Vizsgafelkészülés: 
0
Összesen: 
90
Ellenőrző adat: 
90
A tárgy tematikáját kidolgozta
Név: 
Orbán Gergely
Beosztás: 
Kutatómunkatárs
Munkahely (tanszék, kutatóintézet, stb.): 
MTA Wigner Kutatóközpont
A tanszékvezető neve: 
Dr. Lukács Ágnes
A tantárgy adatlapja PDF-ben: