NeuroAI and Machine Learning in Neuroscience

Worum geht's

Du lernst moderne Methoden der Computational Neuroscience und NeuroAI: von modellbasierten Ansätzen (Dendritenmodelle, mean-field, Fokker‑Planck, lineare Antwort) über Plastizität und stochastische Prozesse bis zu Trainingsmethoden für RNNs und SNNs sowie Reinforcement Learning und Predictive Coding. Am Ende kannst du Modelle auf verschiedenen Ebenen implementieren, RNNs/SNNs trainieren und NeuroAI-Paper fachgerecht analysieren und reproduzieren.

Was du danach kannst

• Verstehen fortgeschrittener Themen: mean-field-Modelle, stochastische Prozesse, effiziente Codierung, Reinforcement Learning, Training von RNNs
• Herausforderungen tiefer Lernverfahren mit sparsamer, ereignisgesteuerter Verarbeitung des Gehirns vergleichen
• Modelle von Gedächtnisbildung und biologisch plausibler Rückpropagation beschreiben
• Analyse und Training verschiedener rekurrenter Netzwerke (z. B. Reservoir Computing, e-prop)
• Prinzipien des Predictive Coding und seine Rolle biologischer Netzwerke verstehen
• Einsatz von Machine‑Learning‑Tools (z. B. Simulation‑basierte Inferenz) für Modellinferenz aus neuronalen Daten erläutern
• Netzwerkmodelle auf unterschiedlichen Ebenen (mean-field, rate-based, spike-based) implementieren und bewerten
• NeuroAI‑Publikationen in die in der Lehrveranstaltung behandelten Komponenten zerlegen

Aus was das Modul besteht

• VorlesungVermittlung der theoretischen Konzepte in NeuroAI und Machine Learning für Neuroscience
• Tutorials / Peer‑ProgrammingFestigung des Vorlesungsstoffs durch interaktive Notebooks und Programmieraufgaben
• ProjektAnwendung der Konzepte zur Reproduktion einer wissenschaftlichen Arbeit mit abschließender Präsentation

Lehrmethode

• Vorlesung (PowerPoint)Einführung und Erklärung der theoretischen Grundlagen
• Hands‑on Tutorials mit interaktiven Notebooks und Peer‑ProgrammingPraxisorientiertes Einüben von Implementationen und Methoden
• Projekt mit selbstständigen und betreuten SitzungenAnwenden und Vertiefen des Gelernten durch Reproduktionsarbeit und Präsentation