searain：Computational Neuroscience － 炉匠的专业？

引用 炉匠 2013-5-19 10:23 PM

本帖最后由 炉匠 于 2013-5-19 11:25 PM 编辑

这不是我本行,但他们要讲的我基本都知道. 这些基本知识本身不能换钱, 但IT 老手看了突然有个啥启发, 也许就很值钱了. 所以这课不要钱,学学增加点知识很好.数学要的不太多, 应该都能学会的. 至于能不能多赚钱, 要看个人的造化了. 以后发了财别忘了我. 我满肚子神经科学知识都不能赚钱, 恨不得改行卖盒饭.

引用 红豆 2013-5-19 10:25 PM

炉匠 发表于 2013-5-19 11:23 PM
这不是我本行,但他们要讲的我基本都知道. 这些基本知识本身不能换钱, 但IT 老手看了突然有个啥启发, 也许就 ...

笑S我了也

引用 searain 2013-5-19 11:35 PM

谢炉匠师傅了。

引用 漫人 2013-5-20 10:37 PM

回复 searain 的帖子

炉匠教授言简意赅，天马行空。本人不才，斗胆续貂几句。

这Computational Neuroscience，听起来唬人。如果从理论物理、实验物理的角度去理解，恐怕就比较容易了。理论物理就是给出物理现象的数学模型，比如说牛顿三定律，又比如说爱因斯坦的相对论。

这Computational Neuroscience实际上就是理论生物，只不过现行的理论，就是神经细胞在加工信息时，不是一个单一的细胞，而是多个细胞组成的网络。这样就没法用单一的数学公式去模拟，而是用统计的方法设计一个网络，在计算机上作运算。如果得出的结果和实验出来的结果相符，那么你这个网络就设计得比较成功了，或许还能预言一些生物系统的行为。大多数时候，都是黑箱操作，给个刺激信号，看黑箱的反应如何。里面的机制，能知道最好，不过大多数情况下还是在猜。理论物理是大大超前实验物理，但在生物上，还是实验领先理论。

言归正传，这个行当能赚银子么？好像不行，因为那么多人都在抢NIH还有NSF的基金呢，不少过去搞物理或者工程的人都在搞这方面的研究。外面的人进到这个领域，优点是不受现有的观念的束缚，缺点是不了解生物体本身的现象和机制。

不过也很难说，神经网络（neuronal network）是个热门。现在有好多搞人工智能的人也用神经网络加入学习和记忆的功能，这样机器人就能越来越独立。谁要是能在这方面有突破，那就能赚大钱。

引用 deepocean 2013-5-21 01:22 AM

来说外行话吧。应该是计算神经科学。就是用物理学的原理，在计算机上做模拟计算。比如说，用分子动力学，蒙特卡罗等微观物理过程，来预计和解释人们还不理解的半宏观（mesoscopic）的神经科学现象。

我承认，以上完全是胡扯。

引用 searain 2013-5-21 10:18 PM

这么说，这课还是象牙塔里的东西，学这个主要都是要做研究的。我以为开到“共大”的都是劳动实践课。注册了，不过大概跟不上进度，自己慢慢有时间就学着玩吧。

引用 星光 2013-5-22 08:21 AM

searain 发表于 2013-5-21 10:18 PM
这么说，这课还是象牙塔里的东西，学这个主要都是要做研究的。我以为开到“共大”的都是劳动实践课。注册了 ...

这个不只是象牙塔里的东东，是生物医学研究里的新分支，叫做Computational Biology。

UCB和UCSF一起建了一个California Institute for Quantitative Biosciences，需要大量人才呢。

http://www.qb3.org/education/ucb-computational-biology

引用 炉匠 2013-5-30 08:53 PM

听了以后感想如何啊? 我觉得这课对非神经科学的人还是很有用的.

引用 searain 2013-5-30 10:05 PM

本帖最后由 searain 于 2013-5-30 11:08 PM 编辑

炉匠 发表于 2013-5-30 09:53 PM
听了以后感想如何啊? 我觉得这课对非神经科学的人还是很有用的.

听了一些，满有趣，或许当做neural network的先修课，真能有用。不过道路漫长。

现在我的时间花在跟着进度上一门对我眼前“实用”的课，data science。computational neuroscience吗，就是有时间听个10分钟，还没法谈感想。

干电脑这行，前几年自己单干小business的网站。业务上没什么学习。最近3－4年不单干了。但打工特忙。这样10来年下来，觉着知识老化的厉害。coursera上这些名校开的大学基础课程对我更新知识很有用。

我打算先把“big data”的课学一下。接着学一下这门computational neuroscience和coursera起家的最有名的machine learning课，最后再如漫人所言，落实到Neural Networks。

https://www.coursera.org/course/neuralnets, coursera上也有neural networks的课。

大概开始谈读后感，要到3－5个月后了吧。

引用 炉匠 2013-5-30 11:54 PM

searain 发表于 2013-5-30 11:05 PM
听了一些，满有趣，或许当做neural network的先修课，真能有用。不过道路漫长。

现在我的时间花在跟着进 ...

照着你的link 注册听了几课,讲的很清楚.

查看全部评论(10)