Computational Neuroscience

Worum geht's

Du lernst Konzepte und Implementationen zentraler Modelle und Methoden der Computational Neuroscience in Python. Am Ende kannst du neuronale Einzelzell- und Netzwerkmodelle implementieren, deren Eigenschaften analysieren und Modelle auf neue Fragestellungen übertragen sowie grundlegende Methoden des Machine Learning und der Informationsanalyse anwenden.

Was du danach kannst

• Feld und Teilgebiete der Computational Neuroscience beschreiben
• Unterschiedliche Modellierungsniveaus und -ansätze verstehen
• Allgemeine Konzepte des Modellfittings (z. B. mittlere quadratische Abweichung) verstehen
• Klassische neuronale Modelle implementieren und vergleichen (z. B. LIF, Hodgkin-Huxley, Wilson-Cowan, Hopfield)
• Neuronale Netzwerkmodelle implementieren und analysieren
• Computational-Neuroscience-Papiere in ihre vermittelten Komponenten zerlegen

Aus was das Modul besteht

• VorlesungEinführung in neuronale Modelle und Konzepte
• ÜbungenFallstudien zur Anwendung und Kombination der Vorlesungsinhalte
• Hands-on-TutorialsVertiefung durch praktisches Programmieren mit Übungsblättern
• Literaturarbeit/PräsentationLesen von Modellbeschreibungen in der Fachliteratur und Diskussion ausgewählter Modelle

Lehrmethode

• Vorlesungen (PowerPoint)Einführung in Modelle und Konzepte
• Übungsblätter und Whiteboard-DiskussionenEinüben und Besprechen praktischer Aufgaben
• Hands-on-Tutorials in PythonFestigung der Implementierungs- und Analysefähigkeiten
• Fallstudien und LiteraturdiskussionTransfer und kritische Auseinandersetzung mit wissenschaftlichen Modellen