Passer au contenu principal

Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Recherche

Afficher tous les résultats pour

Accueil

Personne

Alexander Mathis

À propos
Confidentialité
Mentions légales

Copyright © 2026 EPFL, tous droits réservés

Graph Chatbot

Enseignement et PhD Doctorant·es actuel·les Sepideh Mamooler, Merkourios Simos, Andy Bonnetto, Michal Stanislaw Grudzien, Chengkun Li, Haozhe Qi, Philippe José Emile René Forero, Valentin Alexandre Guy Gabeff, Bianca Ziliotto, Siebe Antonius Martinus Geurts A dirigé les thèses EPFL de Alessandro Marin Vargas, Alberto Chiappa, Stoffl Lucas, Mu Zhou Cours Applied software engineering for life sciences BIO-210 Nous présentons et appliquons les principes du génie logiciel pour programmer des projets en Python. Les projets couvrent des problèmes en sciences de la vie et seront développés tout au long du semestre. Brain-like computation and intelligence NX-414 Dans ce cours, nous comparerons les différentes manières dont ces modèles computationnels inspirés du cerveau ainsi que les cerveaux biologiques créent un comportement intelligent. Lecture series on scientific machine learning PHYS-754 Ce cours présente des travaux sur la façon dont les questions scientifiques peuvent être abordées à l'aide de l'apprentissage automatique. L'apprentissage automatique permet d'extraire des connaissances à partir de données de manière automatisée. Nous apprendrons à partir d'exemples concrets.

Source officielle

https://people.epfl.ch/alexander.mathis?lang=en?lang=fr

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Personnes menant des recherches similaires (1)

Mackenzie Mathis

Center for NeuroprostheticsEPFL ELLIS Unit Faculty MemberCenter for Intelligent Systems

Cours enseignés par cette personne (3)

PHYS-754: Lecture series on scientific machine learning

This lecture presents ongoing work on how scientific questions can be tackled using machine learning. Machine learning enables extracting knowledge from data computationally and in an automatized way. We will learn on examples how this is influencing the v ...

BIO-210: Applied software engineering for life sciences

We learn and apply software engineering principles to develop Python projects addressing life science problems. Projects will be expanded iteratively throughout the semester. ...

NX-414: Brain-like computation and intelligence

Recent advances in machine learning have contributed to the emergence of powerful models of animal perception and behavior. In this course we will compare the behavior and underlying mechanisms in these models as well as brains. ...

Publications associées (38)

Veuillez noter qu'il ne s'agit pas d'une liste complète des publications de cette personne. Elle inclut uniquement les travaux sémantiquement pertinents. Pour une liste complète, veuillez consulter Infoscience.

Contrasting action and posture coding with hierarchical deep neural network models of proprioception

Alexander Mathis, Mackenzie Mathis, Matthias Bethge, Kai Jappe Sandbrink

Biological motor control is versatile, efficient, and depends on proprioceptive feedback. Muscles are flexible and undergo continuous changes, requiring distributed adaptive control mechanisms that continuously account for the body's state. The canonical r ...

eLIFE SCIENCES PUBL LTD2023

AmadeusGPT: a natural language interface for interactive animal behavioral analysis

Alexander Mathis, Mackenzie Mathis, Shaokai Ye, Jessy Lauer, Mu Zhou

The process of quantifying and analyzing animal behavior involves translating the naturally occurring descriptive language of their actions into machine-readable code. Yet, codifying behavior analysis is often challenging without deep understanding of anim ...

2023

Striatal dopamine explains novelty-induced behavioral dynamics and individual variability in threat prediction

Alexander Mathis, Mackenzie Mathis

Animals both explore and avoid novel objects in the environment, but the neural mechanisms that underlie these behaviors and their dynamics remain uncharacterized. Here, we used multi-point tracking (DeepLabCut) and behavioral segmentation (MoSeq) to chara ...

CELL PRESS2022