1. Introducción al curso. Por qué la neurociencia necesita de un enfoque cuantitativo. Procesamiento y representación de información en el cerebro.
2. Herramientas computacionales básicas: sintaxis y filosofía de MATLAB.
3. Modelos de neuronas individuales. Análogo eléctrico para el potencial de membrana celular. Implementación de un modelo de neuronas Integrate and Fire.
4. Redes neuronales en distintas escalas. Modelo de Izhikevich. Eficiencia computacional vs. Plausibilidad biológica.
5. Inferencia Bayesiana, teoría de la información y neural coding.
6. Mecánica estadística aplicada al análisis de registros extracelulares. Spike sorting. Super-paramagnetic clustering. Algoritmos offline y online. Validación.
7. Introducción a la dinámica cerebral a gran escala, registros electroencefalográficos (EEG). Potenciales relacionados con eventos (ERPs).
Follow