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.
von
53,797 bereits angemeldet!
University of Washington
Über diesen Kurs
40,615
40,615Kompetenzen, die Sie erwerben
Computational NeuroscienceArtificial Neural NetworkReinforcement LearningBiological Neuron Model
Lehrplan - Was Sie in diesem Kurs lernen werden
Woche
14 Stunden zum Abschließen
Introduction & Basic Neurobiology (Rajesh Rao)
This module includes an Introduction to Computational Neuroscience, along with a primer on Basic Neurobiology.
6 Videos (Gesamt 89 min), 6 Lektüren, 2 Quiz
6 Videos
1.2 Computational Neuroscience: Descriptive Models11m
1.3 Computational Neuroscience: Mechanistic and Interpretive Models12m
1.4 The Electrical Personality of Neurons23m
1.5 Making Connections: Synapses20m
1.6 Time to Network: Brain Areas and their Function17m
6 Lektüren
Welcome Message & Course Logistics10m
About the Course Staff10m
Syllabus and Schedule10m
Matlab & Octave Information and Tutorials10m
Python Information and Tutorials10m
Week 1 Lecture Notes10m
2 praktische Übungen
Matlab/Octave Programming
Python Programming
Woche
24 Stunden zum Abschließen
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 Videos (Gesamt 167 min), 3 Lektüren, 1 Quiz
8 Videos
2.2 Neural Encoding: Simple Models12m
2.3 Neural Encoding: Feature Selection22m
2.4 Neural Encoding: Variability23m
Vectors and Functions (by Rich Pang)30m
Convolutions and Linear Systems (by Rich Pang)16m
Change of Basis and PCA (by Rich Pang)18m
Welcome to the Eigenworld! (by Rich Pang)24m
3 Lektüren
Welcome Message10m
Week 2 Lecture Notes and Tutorials10m
IMPORTANT: Quiz Instructions10m
1 praktische Übung
Spike Triggered Averages: A Glimpse Into Neural Encoding
Woche
33 Stunden zum Abschließen
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 Videos (Gesamt 114 min), 2 Lektüren, 1 Quiz
6 Videos
3.2 Population Coding and Bayesian Estimation24m
3.3 Reading Minds: Stimulus Reconstruction11m
Fred Rieke on Visual Processing in the Retina14m
Gaussians in One Dimension (by Rich Pang)30m
Probability distributions in 2D and Bayes' Rule (by Rich Pang)13m
2 Lektüren
Welcome Message10m
Week 3 Lecture Notes and Supplementary Material10m
1 praktische Übung
Neural Decoding30m
Woche
43 Stunden zum Abschließen
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 Videos (Gesamt 98 min), 2 Lektüren, 1 Quiz
5 Videos
4.2 Calculating Information in Spike Trains17m
4.3 Coding Principles19m
What's up with entropy? (by Rich Pang)25m
Information theory? That's crazy! (by Rich Pang)16m
2 Lektüren
Welcome Message10m
Week 4 Lecture Notes and Supplementary Material10m
1 praktische Übung
Information Theory & Neural Coding
20%
ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs
Top-Bewertungen
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.
Dozenten
Rajesh P. N. Rao
ProfessorComputer Science & Engineering
Adrienne Fairhall
Associate ProfessorPhysiology and Biophysics
Über University of 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.
Häufig gestellte Fragen
Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Sobald Sie sich für ein Zertifikat angemeldet haben, haben Sie Zugriff auf alle Videos, Quizspiele und Programmieraufgaben (falls zutreffend). Aufgaben, die von anderen Kursteilnehmern bewertet werden, können erst dann eingereicht und überprüft werden, wenn Ihr Unterricht begonnen hat. Wenn Sie sich den Kurs anschauen möchten, ohne ihn zu kaufen, können Sie womöglich auf bestimmte Aufgaben nicht zugreifen.
Was bekomme ich, wenn ich das Zertifikat erwerbe?
Wenn Sie ein Zertifikat erwerben, erhalten Sie Zugriff auf alle Kursmaterialien, einschließlich bewerteter Aufgaben. Nach Abschluss des Kurses wird Ihr elektronisches Zertifikat zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.
Wie erfolgen Rückerstattungen?
Ist finanzielle Unterstützung möglich?
Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..
Coursera arbeitet mit erstklassigen Universitäten und Organisationen zusammen, um Online-Kurse anzubieten und dadurch universellen Zugriff auf die weltweit beste Ausbildung zu ermöglichen.
© 2019 Coursera Inc. Alle Rechte vorbehalten.
