Par Meenakshi Khosla explore la modélisation basée sur les données dans les neurosciences naturalistes à grande échelle, en mettant l'accent sur la représentation de l'activité cérébrale et les modèles de calcul.
Explore les bases de la neuroimagerie, les échelles du réseau cérébral, la connectivité, l'histoire et la physique, soulignant l'importance de comprendre les données à différentes échelles.
Explore le lien entre le comportement, les neurosciences et l’incarnation dans la formation du mouvement et la compréhension du fonctionnement du cerveau.
Examine l'inférence causale, en soulignant l'importance de s'engager dans une ontologie pour tirer des inférences causales et choisir des estimands appropriés.
Couvre la structure d'un cours de neurosciences, en se concentrant sur la membrane cellulaire, les canaux ioniques, la transmission synaptique et la fonction cérébrale.
Explore la vue d'ensemble, la justification et les stratégies de la neuroscience de simulation, en mettant l'accent sur les défis de la reconstruction et de la simulation du cerveau.
S'engage dans l'apprentissage continu des modèles de représentation après déploiement, soulignant les limites des réseaux neuronaux artificiels actuels.
Présente le programme de maîtrise en neuro-X, en mettant l'accent sur son approche interdisciplinaire et ses possibilités de carrière en neurotechnologie.
Explore comment les organismes réagissent aux signaux environnementaux, montrant comment des algorithmes simples peuvent conduire à des comportements complexes.
Étudier les limites des effets causaux en utilisant des paramètres de sensibilité à l'échelle de la différence de risque, en abordant les limites et en proposant de nouvelles approches.
