Couvre la conversion des signaux analogiques en signaux numériques, de compression des données et de reconstruction des signaux, soulignant l'importance du traitement des signaux dans les systèmes de communication.
Couvre les fondamentaux des signaux neuraux et du traitement des signaux, en mettant l'accent sur la modélisation et la simulation des systèmes neuraux.
Introduit des outils mathématiques pour les systèmes de communication et la science des données, se concentrant sur les processus stochastiques et préparant les étudiants à des cours avancés.
Explore la diversité de signalisation des récepteurs couplés aux protéines G, la structure de couverture, l'activation, les effets de biais et l'internalisation.
S'insère dans la biologie synthétique, assemblant des composants moléculaires pour des fonctions biologiques dans les cellules vivantes, y compris le contrôle de l'expression des gènes et la signalisation artificielle des récepteurs.
Explore l'optimisation des systèmes neuroprothétiques, y compris la restauration de rétroaction sensorielle et les stratégies de stimulation neuronale.
Explore la résonance magnétique nucléaire, les principes d'IRM, les séquences de pouls, la reconstruction d'images, les considérations de sûreté et la normalisation du volume dans l'imagerie cérébrale.
Explore le traitement du signal neuronal pour les interfaces cerveau-ordinateur, y compris les techniques de décodage comme les filtres Kalman et le tri des pics.
