Budapesti Műszaki és Gazdaságtudományi Egyetem
Természettudományi Kar		 Tantárgy Adatlap
Tantárgy kód BMETE47MC40
Tantárgy azonosító adatok
1. A tárgy címe Idegrendszeri modellezés
2. A tárgy angol címe Computational Neuroscience
3. Heti óraszámok (ea + gy + lab) és a félévvégi követelmény típusa 2 + 0 + 0 f Kredit 3
4. Ajánlott/kötelező előtanulmányi rend
vagy Tantárgy kód 1 Rövid cím 1 Tantárgy kód 2 Rövid cím 2 Tantárgy kód 3 Rövid cím 3
4.1
4.2
4.3
5. Kizáró tantárgyak
6. A tantárgy felelős tanszéke Kognitív Tudományi Tanszék
7. A tantárgy felelős oktatója Dr Lukács Ágnes beosztása egyetemi docens
Akkreditációs adatok
8. Akkreditációra benyújtás időpontja 2016.06.16. Akkreditációs bizottság döntési időpontja 2016.08.10.
Tematika
9. A tantárgy az alábbi témakörök ismeretére épít
10. A tantárgy szerepe a képzés céljának megvalósításában (szak, kötelező, kötelezően választható, szabadon választható)
Kognitív Tanulmányok MSc kötelezően választható tárgya
11. A tárgy részletes tematikája
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.
12. Követelmények, az osztályzat (aláírás) kialakításának módja
szorgalmi
időszakban		 házifeladat, zh vizsga-
időszakban
13. Pótlási lehetőségek
pót-zh
14. Konzultációs lehetőségek
egyeztetés szerint
15. Jegyzet, tankönyv, felhasználható irodalom
http://golab.wigner.mta.hu/teaching/
16. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka mennyisége órákban (a teljes szemeszterre számítva)
16.1 Kontakt óra
28
16.2 Félévközi felkészülés órákra
14
16.3 Felkészülés zárthelyire
30
16.4 Zárthelyik megírása
4
16.5 Házi feladat elkészítése
14
16.6 Kijelölt írásos tananyag elsajátítása (beszámoló)
0
16.7 Egyéb elfoglaltság
0
16.8 Vizsgafelkészülés
0
16.9 Összesen
90
17. Ellenőrző adat Kredit * 30
90
A tárgy tematikáját kidolgozta
18. Név beosztás Munkahely (tanszék, kutatóintézet, stb.)
Orbán Gergely
Kutatómunkatárs
MTA Wigner Kutatóközpont
A tanszékvezető
19. Neve aláírása
Dr. Lukács Ágnes