Ce cours présente des approches mathématiques et computationnelles du traitement de l’information par le cerveau. L’objectif est d’initier les étudiantes et étudiants aux neurosciences computationnelles et d’enseigner des concepts quantitatifs clés. Le cours est organisé en trois modules :
- Modélisation de la cognition et du comportement (conditionnement classique et opérant, apprentissage par renforcement, prise de décision)
- Traitement de l’information (décodage neuronal, codage de population, traitement sensoriel, champs récepteurs linéaires)
- Dynamique et mécanismes (biophysique des neurones, réseaux de neurones à propagation avant et récurrents, plasticité synaptique, mémoires associatives)
Objectifs d’apprentissage
Les étudiantes et étudiants seront initiés et familiarisés aux concepts de la modélisation computationnelle en neurosciences.
À l’issue du cours, ils seront capables de :
- comprendre les modèles d’apprentissage par renforcement
- comprendre les modèles de décodage neuronal fondés sur la théorie de la détection du signal
- comprendre les modèles de codage de population et de prise de décision fondés sur l’activité d’un neurone unique
- comprendre les modèles de biophysique neuronale et de dynamique des réseaux
- lire et analyser des articles de neurosciences computationnelles