耽誤了很長時間，終於開始了來自華盛頓大學的計算神經科學課程的學習，並且準備將我自己學習的過程整理成筆記連載在本專欄，這也是本人的第一次專欄撰寫，希望能夠在連載的過程中和大家一起進步和學習。

本課程推薦8周完成學習，完成時間大約為31小時（建議5小時/周）

通過此課程你可以學到基本的計算方法並通過它們來了解神經系統的功能，並且確定它們時如何工作的。我們將探索有關視覺、感覺運動控制、學習和記憶等各個方面的計算原理。具體的主題將包括由突起神經元表示信息，在神經網路中處理信息，以及用於適應和學習的演算法。學會通過尖峰神經元來表示信息和在神經網路中處理信息，以及一些用於適應和學習有關的演算法。

學習本課程只需熟悉線性代數、微積分和概率論的基本概念即可，不需要神經科學方面的背景知識。Ps.推薦可汗學院的免費課程，也可在網易公開課上找到中文免費課程。

  1. 線性代數khanacademy.org/math/li
  2. 微積分khanacademy.org/math/di
  3. 概率論khanacademy.org/math/pr

推薦書籍

Theoretical Neuroscience Computational and Mathematical Modeling of Neural Systems

gatsby.ucl.ac.uk/~dayan

任課教師

1. Rajesh P. N. Rao

個人主頁homes.cs.washington.edu

2. Adrienne Fairhall

個人主頁depts.washington.edu/pb

本課程主題包括：

  1. 基本神經生物學（Basic Neurobiology）
  2. 神經編碼（Neural Encoding）
  3. 神經解碼（Neural Decoding）
  4. 資訊理論（Information Theory）
  5. 單神經元建模（Modeling Single Neurons）
  6. 突觸和網路模型:前饋和遞歸網路（Synapse and Network Models: Feedforward and Recurrent Networks）
  7. 突觸可塑性和學習（Synaptic Plasticity and Learning）

MATLAB學習推薦

網盤鏈接：pan.baidu.com/s/1HTrGo8

提取碼：stdq

Python學習推薦

廖雪峰Python教程

liaoxuefeng.com


推薦閱讀：
相关文章