Sciences cognitives

Ce cours aura pour but de donner des bases de neurobiologie et neurophysiologie.
Il abordera notamment :
• L’organisation générale du système nerveux
• Les signaux électriques des cellules nerveuses
• La transmission synaptique et les neurotransmetteurs
• Les bases neurobiologiques des systèmes sensoriels et moteurs

L’objectif de cette UE est de revisiter et approfondir des éléments d’algèbres linéaires déjà abordés par les étudiants dans leur cursus antérieur, et les mettre en situation dans un contexte de modélisation et analyse de tableaux de données. Il s’agit notamment de donner aux étudiants les bases nécessaires pour comprendre et utiliser des méthodes simples d’analyse multivariée.
Les principaux sujets traités seront les suivants :

  • Éléments de base : espaces vectoriels, norme produit scalaire, orthogonalité. Dimension et bases.
  • Matrices, produits matriciels, représentation matricielle des opérations de base
  • Projection orthogonale
  • Diagonalisation ; SVD ; application à l'ACP
  • Modèles de données structurées :  signaux, graphes,…
  • Etudes de cas sur des données en lien avec les autres UE du master

L'objectif de ce cours est de donner aux étudiants l'occasion de revoir et approfondir les notions de base de probabilités et de statistiques en s'appuyant sur l'étude de cas simples (issus notamment de l'étude de la cognition humaine). Ces études feront intervenir le logiciel R dont nous rappellerons les fonctions élémentaires associées (notamment pour les intervalles de confiance et les tests).

A la fin de ce cours, les notions suivantes seront abordées et a priori attendues comme acquises :

  • statistique descriptive : histogramme, moyenne et variance empiriques; intervalles de confiance; matrice de covariance empirique
  • rappels de probabilités : événements, axiomes de Kolmogorov, loi de probabilités totales, probabilités conditionnelles, loi de Bayes
  • variables aléatoires discrètes : lois classiques (binomiales, Poisson); espérance, variance
  • variables aléatoires continues : densité de probabilités; lois classiques (gaussienne, student, exponentielle) ; espérance, variance ; vecteurs aléatoires, covariance
  • inférence statistique : estimations, tests (comparaison des moyennes)

Selon l'avancement du cours, l'analyse de variance (ANOVA), la régression et/ou l'Analyse en Composantes Principales (ACP) pourront être aussi abordées.

Compétences à acquérir :

1) Savoir effectuer des calculs élémentaires de probabilités

2) Maîtriser et utiliser les outils standards de statistique descriptive et inférentielle sous R

3)Exploiter des outils simples d'analyse multivariée sous R

 

Références :

Cours de probabilité et statistiques de Laurent Pézard (destiné aux L2 de biologie de Marseille)

Probabilités, analyse des données et statistiques, G. Saporta 2004

Statistique en action, V. Rivoirard and G. Stoltz, Vuibert, first edition, 2009

Thinking fast and slow, D. Kahneman, 2012

L’objectif principal de l’UE est de fournir aux étudiants une connaissance approfondie de l’histoire de cette discipline scientifique récente dénommé “Sciences cognitives”, de son objet d’étude (la cognition humaine), de l’évolution des hypothèses sur la nature/ architecture cognitive sous-tendant l’esprit humain (cognitiviste-symbolique, connexionniste-sub-symbolique, incarnée, ancrée) ainsi que des grandes questions débattues au cours de cette évolution (par exemple, l’esprit humain utilise-t-il des symboles ? des représentations ?). Pour faciliter la compréhension de questions scientifiques quelquefois ardues, des exemples concrets issus d’études sur le langage seront étudiés, un domaine phare dans l’évolution du cadre théorique des sciences cognitives.