UE Neurosciences Computationnelles
Ce cours se voit comme une Introduction générale aux Neurosciences Computationnelles, à leur raison d’être historique et à leur contribution pour les Neurosciences et les Sciences Cognitives. Le cours s’articule formellement sur trois grandes thématiques qui constituent des blocs thématiques (codés par trois couleurs différentes dans le planning) : 1) Dynamique des réseaux et propriétés émergentes, 2) Codage, décodage, théorie de l'information et 3) Architectures cognitives, approches symboliques et IA. Cette répartition ne posera pas de contraintes trop fortes, ni sur l’ordre chronologique ni sur une catégorisation stricte des sujets traités dans les cours (un même cours peut aborder des sujets liés à plusieurs thématiques). Les cours sont assurés par plusieurs intervenants affiliés à différents laboratoires de Neurosciences d’Aix-Marseille Université, et experts de différents domaines des Neurosciences Computationnelles.
Les idées théoriques et les modèles propres de plusieurs niveaux d’approche au cerveau sont présentés, avec un poids prioritaire pour le niveau intégratif et cognitif. Des exemples de modèles sont illustrés, à partir du niveau cellulaire, à travers les propriétés de petit réseau, aux réseaux de grande échelle et jusqu’aux fonctions émergentes, à l’intelligence artificielle et au comportement humain. Des séances pratiques (TD/TP) d’initiation au codage en Python sont proposées, en association avec les thématiques abordées, incluant des modèles simples de réseaux neuronaux artificiels, exemples d’apprentissage machine, et simulations de décisions perceptives. Les sessions de codage (TD/TP) constituent aussi la partie de Contrôle continu qui compte pour le 30% de la note finale. Le restant 70% est attribué sur a) le rendu de 2 ou 3 mini-projets (devoirs individuels ou en binôme à la maison, 30% de la note finale) ; et b) la restitution orale, à l’appui d’un diaporama, d’un des mini-projets sélectionnés le jour de l’examen (40% de la note finale).
Aucun prérequis en Mathématiques ou Informatique n’est demandé. Des rappels d’éléments de mathématiques de base et de calcul des probabilités seront faits pendant les cours. La curiosité et l’intérêt pour l’approche formel et quantitatif seront importants pour profiter pleinement de cette UE.
Le planning de l’UE (2024) est disponible dans le fichier Planning_Neurocomp_M1_2024 – chaque module correspond à un slot de 3 heures environs. Les cours sont en présentiel, sauf avis contraire.
N’oubliez pas de vérifier régulièrement la page Ametice de l’UE et n’hésitez pas à communiquer via le forum ou par mail !
Ce cours se voit comme une Introduction générale aux Neurosciences Computationnelles, à leur raison d’être historique et à leur contribution pour les Neurosciences et les Sciences Cognitives. Le cours s’articule formellement sur trois grandes thématiques qui constituent des blocs thématiques (codés par trois couleurs différentes dans le planning) : 1) Dynamique des réseaux et propriétés émergentes, 2) Codage, décodage, théorie de l'information et 3) Architectures cognitives, approches symboliques et IA. Cette répartition ne posera pas de contraintes trop fortes, ni sur l’ordre chronologique ni sur une catégorisation stricte des sujets traités dans les cours (un même cours peut aborder des sujets liés à plusieurs thématiques). Les cours sont assurés par plusieurs intervenants affiliés à différents laboratoires de Neurosciences d’Aix-Marseille Université, et experts de différents domaines des Neurosciences Computationnelles.
Les idées théoriques et les modèles propres de plusieurs niveaux d’approche au cerveau sont présentés, avec un poids prioritaire pour le niveau intégratif et cognitif. Des exemples de modèles sont illustrés, à partir du niveau cellulaire, à travers les propriétés de petit réseau, aux réseaux de grande échelle et jusqu’aux fonctions émergentes, à l’intelligence artificielle et au comportement humain. Des séances pratiques (TD/TP) d’initiation au codage en Python sont proposées, en association avec les thématiques abordées, incluant des modèles simples de réseaux neuronaux artificiels, exemples d’apprentissage machine, et simulations de décisions perceptives. Les sessions de codage (TD/TP) constituent aussi la partie de Contrôle continu qui compte pour le 30% de la note finale. Le restant 70% est attribué sur a) le rendu de 2 ou 3 mini-projets (devoirs individuels ou en binôme à la maison, 30% de la note finale) ; et b) la restitution orale, à l’appui d’un diaporama, d’un des mini-projets sélectionnés le jour de l’examen (40% de la note finale).
Aucun prérequis en Mathématiques ou Informatique n’est demandé. Des rappels d’éléments de mathématiques de base et de calcul des probabilités seront faits pendant les cours. La curiosité et l’intérêt pour l’approche formel et quantitatif seront importants pour profiter pleinement de cette UE.
Le planning de l’UE (2024) est disponible dans le fichier Planning_Neurocomp_M1_2024 – chaque module correspond à un slot de 3 heures environs. Les cours sont en présentiel, sauf avis contraire.
N’oubliez pas de vérifier régulièrement la page Ametice de l’UE et n’hésitez pas à communiquer via le forum ou par mail !
- Enseignant: Laurence CASINI CHAILLAN
- Enseignant: Emmanuel DAUCE
- Enseignant: Matthieu GILSON
- Enseignant: Anna MONTAGNINI
- Enseignant: Laurent PERRINET
- Enseignant: Herve ROUAULT
- Enseignant: Francesca SARGOLINI
- Enseignant: Thomas SCHATZ
- Enseignant: Isabelle VIRARD