Profesor
SOBRE INSCRIPCIÓN
- Si sos alumno de grado y no completaste el cuarto año
de tu carrera,
entonces al finalizar te daremos un certificado de aprobación
junto al CV del profesor y el programa de la materia, todo
debidamente respaldado por la Secretaría Académiuca de
la Facultad.
- Si sos alumno de grado y completaste el cuarto año de tu
carrera,
debés inscribirte como alumno avanzado en FAMAF. Por
favor enviá un correo electrónico al área
de posgrado a la dirección electrónica
codepo@famaf.unc.edu.ar
pidiendo información sobre los requisitos y trámites
de inscripción.
- Si lo tomarás como curso de posgrado del Doctorado en
Neurociencias por favor escribí la secretaria,
Paula Otaiza, a la dirección electrónica
potaiza@fcq.unc.edu.ar
pidiendo información sobre los requisitos y trámites
de inscripción.
- Si lo tomarás como curso de posgrado de FAMAF,
por favor enviá un correo electrónico al área
de posgrado a la dirección electrónica
codepo@famaf.unc.edu.ar
pidiendo información sobre los requisitos y trámites
de inscripción.
- Si lo querés hacer como oyente, o tomar solo algunas
clases, o participar de las charlas invitadas, estás
invitado o invitada.
Ante cualquier duda, no dejes de consultar a la dirección
del profesor.
Modalidad
El curso tendrá 60 horas, y se dictará en dos partes:
- un núcleo intensivo y presencial de 40 horas que
comenzará el lunes 13 de noviembre a las 9.00 hs. y
finalizará el sábado 18 de noviembre a las
13.00 hs.
Esta parte presencial incluirá seis pequeñas
charlas de una hora cada una dictadas por seis colegsas y
versarán
sobre variados tópicos de la nerociencia.
- una segunda parte, de 20 horas que
podrá cursarse en modalidad presencial para quienes
viven en Córdoba o a distancia, para quienes viven en
otras ciudades. En esta etapa se implementarán los
trabajos práticos que se presentarán en la
primera parte. Comenzará el lunes 20 de noviembre y
terminará el viernes 8 de diciembre, cuando se
entregarán las notas finales.
Charlas
-
FilosofÍa de las ciencias
cognitivas: mentes, cerebros y computadoras.
[ver resumen]
Lic. Horacio Chiarella
Facultad de Filosofía y Humanidades de la Universidad
Nacional de Córdoba y CONICET
Lunes 13 de noviembre de 15.00 hs a 16.00 hs..
- Sobre cómo funciona el lenguaje.
Dra. Cecilia Defagó
Facultad de Filosofía y Humanidades de la Universidad
Nacional de Córdoba.
Martes 13 de noviembre de 15.00 hs a 16.00 hs..
- Análisis de estados globales del cerebro mediante
el uso combinado de la sincronía de fase y la teoría
de la información. Teoría y aplicaciones.
Dr. Diego Mateos
Department of Neurosciences and Mental Health, SickKids Hospital
University of Toronto, Canadá
Miércoles 15 de noviembre de 15.00 hs a 16.00 hs..
- ¿Cómo enfrentar un problema de
datos?. Conceptos desde el descubrimiento de conocimiento en
bases de datos.
Dr. Elmer Fernández
FAMAF e IFEG (UNC-CONICET)
Jueves 16 de noviembre de 15.00 hs. a 16.00 hs..
- Dinámica cerebral en pequeña y gran escala.
Experimentos y modelado híbrido del conectoma humano.
Dr. Dante Chialvo
Centro de Estudios Multidisciplinarios en Sistemas Complejos y
Ciencias del Cerebro
Universidad Nacional de San Martín y CONICET
Viernes 17 de noviembre de 15.00 hs. a 16.00 hs..
- ¿Qué son los auto osciladores?
Lic. Marcos Román
Facultad de Matemática, Astronomía, Física y
Computación, Nacional de Córdoba
Sábado 18 de noviembre de 9.00 hs. a 10.00 hs..
Horarios de clase
Lugar
Las aulas irán cambiando día a día:
- Lunes 13 de noviembre de 9 a 18 hs: AULA 17 FAMAF
- Martes 14 de noviembre de 9 a 13 hs: AULA 10 FAMAF
- Martes 14 de noviembre de 15 a 18 hs: AULA MAGNA FAMAF
- Miércoles 15 de noviembre de 9 a 18 hs: AULA 26 FAMAF
- Jueves 16 de noviembre de 9 a 13 hs: AULA 10 FAMAF
- Jueves 16 de noviembre de 15 a 18 hs: AULA MAGNA FAMAF
- Viernes 17 de noviembre de 9 a 18 hs: AULA 23 FAMAF
- Sábado 18 de noviembre de 9 a 13 hs: AULA 20 FAMAF
- Miércoles 6 de diciembre de 15 a 19 hs: AULA 30 FAMAF (laboratonio de informática)
- Lunes 11 de diciembre de 15 a 19 hs: AULA 30 FAMAF (laboratonio de informática)
Características
Este curso está orientado a estudiantes provenientes
de las áreas de la biología, química,
bioquímica, ingenierías, ciencias de la eduación,
filosofía, ciencias de la salud, psicología,
lingüística
y ciencias cognitivas en general que deseen desarrollar aptitudes
que les permitan interpretar e incluso desarrollar trabajos de
modelado matemático de sistemas neuronales y procesamiento
estadístico complejo de datos.
Objetivos
El curso tiene como principal objetivo dotar los alumnos del Doctorado
en Neurociencias como así también de otras carreras
de posgrado de nuestra Universidad y de otras,
que no trabajan ni porovienen del área de las neurociencias
computacionales y/o teóricas,
de las herramientas mínimas
necesarias para encarar el desafío de modelar procesos
neuronales y utilizar a la vez métodos estadísticos
poderosos a la hora de procesar datos experimentales. No es un curso
de matemática formal, y en este sentido todos los elementos
necesarios para introducirse en el estudio de neurociencia
computacional y teórica serán ofrecidos a los alumnos
sin aumir conocimientos muy específicos como requisitos.
Aquellos que desen presentar este curso en otras carreras,
podrán solicitar al docente un pograma oficial y un CV, a los
efectos de someter a consideración de otros unidades
acadeémicas el reconocimiento de este curso.
Programa
Unidad 1: Elementos de ecuaciones diferenciales ordinarias
Elementos de ecuaciones diferenciales ordinarias: el concepto de
sistema dinámico. Puntos de equilibrio. Diagramas de fases.
Análisis de bifurcaciones. Métodos numéricos para
la resolución de ecuaciones diferenciales ordinarias.
Método de Euler y método de Runge-Kutta de segundo y
cuarto orden.
Unidad 2. El modelado matemático de neuronas.
Propiedades eléctricas de las neuronas. Modelos de un
componente. Modelos “integrate-and-fire”. Conductancias dependientes
del voltaje. El modelo de Hodgkin-Huxley. Modelados de canales.
Conductancia sináptica. Sinapsis en neuronas
“integrate-and-fire”.
Unidad 3: El modelado de circuitos neuronales.
Circuitos neuronales: niveles en el modelado neuronal. Modelos
basados en conductancia. Modelos multi-comportamentales. Diferentes
modelos de redes neuronales. Modelos basados en la razón de
disparo. Redes feed-forward. Redes recurrentes. Redes
excitatoria-inhibitorias. Redes estocásticas.
Unidad 4: Adaptación y aprendizaje.
Reglas de la plasticidad sináptica. Aprendizaje no supervisado.
Aprendizaje supervisado. Condicionamiento clásico. Aprendizaje
reforzado. Aprendizaje representacional. Aprendizaje profundo.
Unidad 5. Métodos de análisis para datos
complejos.
Conceptos de dimensión fractal. Estimación teórica
y numérica. Fractales y multifractales. Análisis de componentes
principales, aplicación al análisis de datos en
neurofisiología. Descomposición en valores singulares.
Clustering. Minería de datos.
Bibliografía básica
- Los apuntes de clase que tomarán los estudiantes.
- Strogatz S.H., "Nonlinear dynamics and chaos"
Addison-Wesley Publishing Company (1994).
- Dayan P. and L. Abbott, "Theoretical neuroscience:
computational and mathematical modeling of neural systems",
MIT Press (2001).
- Izhikevich E.M., "Dynamical systems in neuroscience:
the geometry of excitability and bursting",
MIT Press (2006).
- Rieke F., Warland D., de Tuyter van Steveninck R. and Bialek W.,
"Spikes: exploring the neural code",
MIT Press (1999).
- MacKay D.J.C., "Information theory, inference and
learning algorithms", Cambridge University Press, (2003).
- Hstie T., Tibshirani R. and Fiedman J, "The elements of
statistical learning, data mining, inference and prediction",
Springer Verlag (2001).
Forma de evaluación
Los estudiantes deberán asistir al menos al 80% de las
clases para aprobar. Además tendrán una evaluación
final escrita y deberán preparar una monografía sobre
algún tópico abordado en el curso.
|