Introducción a la Neurociencia Computacional y Teórica

Materiales del curso

Material de las clases teóricas (pizarrones y videos)

Clase 1: Lunes 18 de marzo de 2026

Parte 1: Algunas definiciones importantes.
Pizarrón Video
Parte 2: Historia de la neurociencia. Ramón y Cajal y el descubrimiento de la neurona. El cerebro, la neurona y la sinapsis.
Pizarrón Video
Parte 3: El rol de los detalles en el modelado.
Pizarrón Video

Clase 2: Lunes 25 de marzo de 2026

Parte 1: Todo lo que siempre quisieron saber sobre las neuronas (de verdad) y no se animan a preguntar (en el curso de FAMAF)
Pizarrón Video

Clase 3: Lunes 1 de abril de 2026

Parte 1: La codificación neuronal. Frecuecias de disparo vs. amplitud de disparo. Las redes neuronales artificiales para aprendizaje: la entrda, la salida, las neuronas ocultas y las sinapsis artificiales. La idea conexionista de Donald Hebb.
Pizarrón Video
Parte 2: La neurociencia teórica: su objetivo. El potencial de axión. El axón gigante del calamar. El modelo de Hodgkin y Huxley. Las ecuaciones de Hodgkin y Huxley.
Pizarrón Video
Parte 3: La aceleración tecnológica. La evolució del automóvil como ejemplo de tecnología de desarrollo lineal. La evolución exponencial de los transistores, los circuitos integrados, el almacenamiento de datos y el tamaño de las redes neuronales. La era de las tecnologías aceleradas.
Pizarrón Video
Material Complementario
- Viaje al interior del microchip
  Charla TEDx Bahía Blanca 2013, a cargo del Dr. Pedro Julián, docente de la UNS e Investigador del CONICET. Especialista en microelectrónica. Video
- La ley de Moore. El crecimiento exponencial en la tecnología
  Hellobyter. Video
- Como se fabrica un microchip desde cero. El proceso más preciso del mundo
  ProductoX Video
- La historia y evolución de los microchips. El cerebro de la Tecnología Moderna
  Historia y Tecnología: Evolución Humana Video

Clase 4: Lunes 8 de abril de 2026

Parte 1: El aceleracionismo como movimiento político-filosófico.
Pizarrón Video
Parte 2:
Pizarrón Video
Parte 3: La neurona de McCulloch y Pitts. Entradas, sinapsis, estímulo, umbral y funció de activación escalón (o Heaviside).
Video
Parte 4: La función de activación sigmode o logit.
Video

Clase 5: Lunes 15 de abril de 2026

Parte 1: Repaso de la neurona de McCulloch y Pitts.
Video
Parte 2: La neurona binaria como clasificador. El caso de una red con dos entradas. El conjunto de entrenamiento. Las operaciones lógicas AND, OR y XOR. El caso especial de XOR y sus implicancias. Problemas linealmente separables. El nacimiento del primer invierno de la IA.
Video
Parte 3: La neurona como regresor lineal y regreso logístico. El ejemplo del experimento de tirar una piedra y medir el tiempo de caída en función de la altura, y la determinación de la aceleración que produce la fuerza gravitacional en la tierra. Modelos transparentes y modelos oscuros (opacos).
Video

Clase 6: Lunes 22 de abril de 2026

Parte 1: Construyendo redes neuronales feed-forward a partir neuronas artificiales. Un ejemplo de aprendizaje supervisado a partir de una tabla: el problema Pima.
Video
Parte 2: Construyendo la función de activación de la salida. Su forma compleja y universal.
Video
Parte 3: Una explicación simple de cómo funciona el algoritmo de entrenamiento.
Video

Clase 7: Lunes 29 de abril de 2026

Parte 1: Repaso. Construyendo la función de activación de la salida. Su forma compleja y universal. La función de salida. Las variables de entrada, los parámetros y los elementos del conjunto de entrenamiento.
Pizarrón Video
Parte 2: Videos animados.
Video "But what is a neural network" (3Blue1Brown
Video: Gradient descent, how neural networks learn (3Blue1Brown)

Clase 8: Lunes 6 de mayo de 2026

Parte única: Clase a cargo del Prof. invitado Dr. Andrés Ilcic
FFyH, UNC, Escuela de Filosofía, IDH (UNC y CONICET)

Pizarrón Video

La revolución del Deep Learning, de Terrence J. Sejnowski, The MIT Press, 2018
ChatGPT and the Future of AI. The Deep Language Revolution, de Terrence J. Sejnowski, The MIT Press, 2024
Decidido, de Robert Sapolsky, Capitán Swing Libros, 2024
Sherlock Holmes y Charles S. Peirce: el método de a investigacón, de Thomas Albert Sebeok, Ediciones Paidós, 1994
La vida secreta del cerebro, de Lisa Feldman Barrett, Ediciones Paidós, 2018

Clase 9: Lunes 13 de mayo de 2026

Parte 1: El aprendizaje profundo.
Pizarrón Video
Parte 2: Las redes neuronales convolucionales (CNN). Visió por computadoras
Pizarrón Video
Parte 3: El procesamiento de series temporales. Parte 1.
Pizarrón Video

Clase 10: Lunes 20 de mayo de 2026

Parte 1: Charla invitada de la Dra. Cecilia Defagó sobre procesamiento humano de lenguaje natural.
Video
Parte 2: LLM: tokenización e incrustación de palabras (embedding).
Pizarrón Video

Clase 11: Lunes 27 de mayo de 2026

Parte 1: Charla invitada de la Dra. Malena León sobre Filosofía de la Mente.
Pizarrón Video

Clase 12: Lunes 3 de junio de 2026

Parte 1: Grandes Modelos de Lenguaje: El predictor de la próxima palabra. El mecanismo de auto-atención y las multi-cabezas de auto-atención. Los vectores Query, Key y Value asociados al vector de cada token y su transformación de acuerdo al contexto. La función entropía cruzada como medida del error (o pérdida). La distribución de probabilidad de que cada palabra sea la próxima.
Pizarrón Video
Parte 2: El enunciado del primer parcial explicado.
Enunciado del primer parcial Video

Clase 13: Lunes 10 de junio de 2026

Parte 1: ¿Qué son los sistemas dinámicos? Su objetivo. El tiempo como variable independiente. El concepto de función. Funciones que dependen del tiempo. Funciones buenas: sin saltos y sin quiebres. El concepto de pendiente de una recta. La definición de derivada en punto. La función derivada de una función sin saltos ni quiebres.
Pizarrón Video
Parte 2:
Pizarrón Video

Clase 14: Lunes 17 de junio de 2026

Parte 1: Dinámica de poblaciones. La ecuación diferencial ordinaria lineal. La solución exponencial. El número inicial de individuos. La razón de crecimiento.
Pizarrón Video
Parte 2: El caso cuadrático. La ecuación logística. Visualización.
Pizarrón Video