Explore le modèle Hodgkin-Huxley, les phases de potentiel d'action, la dynamique ionique, la théorie des câbles et la modélisation compartimentale dans l'excitabilité neuronale.
Explore l'informatique scientifique en neuroscience, en mettant l'accent sur la simulation des neurones et des réseaux à l'aide d'outils comme NEURON, NEST et BRIAN.
Explore la structure et la fonction des canaux ioniques, leur classification, leur perméabilité membranaire et leur rôle dans les activités monocellulaires.
Explore la compréhension biophysique du comportement neuronal, en se concentrant sur les potentiels d'action, les défis de modélisation neuronale et l'inhibition dendritique.
Introduit des structures de données Python comme des tuples, des listes, des ensembles et des dictionnaires, mettant l'accent sur les techniques de manipulation et de conversion.
Couvre les espaces normés, les espaces doubles, les espaces de Banach, les espaces de Hilbert, la convergence faible et forte, les espaces réflexifs et le théorème de Hahn-Banach.
Couvre les techniques d'apprentissage supervisées et non supervisées dans l'apprentissage automatique, en mettant en évidence leurs applications dans la finance et l'analyse environnementale.
Explore les outils optogénétiques pour étudier l'activité neuronale à l'aide d'outils à lumière et à calcium, en discutant de leurs applications dans les neurosciences et au-delà.
Présente les concepts de base des groupes, y compris les définitions, les propriétés et les homomorphismes, en mettant l'accent sur les propriétés des sous-groupes et les sous-groupes normaux.