2021秋 2020秋 2019秋 2018秋 课程号：203005E01
- 课程难度：中等
- 作业多少：中等
- 给分好坏：一般
- 收获大小：一般
| 选课类别：计划 | 教学类型：理论课 |
| 课程类别：本科计划内课程 | 开课单位：物理学院 |
| 课程层次：专业选修 | 学分：2.0 |
- 课程难度：中等
- 作业多少：中等
- 给分好坏：一般
- 收获大小：很多
- 难度：中等
- 作业：中等
- 给分：一般
- 收获：很多
课程主页https://github.com/Wenlab/Computation-Neuro-Course ，不同年份的内容在不同的branch里。
参考课本在github页面上有，虽说老师每节课会分享lecture note，但是我自己感觉光看note常常云里雾里的，看看课本会理解得透一点。课程内容大致如下：
axons and dentrites 等突触的基本结构参考骆利群书前几章
recurrent network，firing rate models 等部分参照 peter 书 chap7 network models
information theory 部分参照 peter 书 chap4
整个课程是tutorial式的指南课，涉及的知识很多，细节还得看书体会，感觉一学期下来变成名词党了 。温老师物理专业出身且后面做了一段时间理论，数理基础很扎实。老师人很nice，问问题会很认真的解答，好几次到12点多。部分作业是选的peter书的exercise，每次作业量比较大，有公式推导，也有用代码模拟计算神经相关模型，模拟部分会涉及到数值计算，可以提前看看数值分析（计算方法）课本里数值解微分方程的内容。做作业的过程比较痛苦，经常跟同学开玩笑说这是计算物理Ａ2。做完之后再回看的话，分析计算神经模型、处理问题的时候，常常会用到之前学过的数学物理课程里的内容，第一次有很强烈的"啊，数学物理课还是很有用的"感觉，看到数学物理和神经元有联系的感觉还挺神奇，算是初窥了计算神经的美吧。作业没有标答，建议多和同学讨论，分享一下想法，可能会做得更快一点吧。
不过我学得也一般，部分内容主观色彩比较重，仅供参考。
嘻嘻，这个假期上了nma的暑课，视频资料很丰富，而且visualization做的很好，对理解帮助很大，而且对新手及其友好，还可以用colab做几个贼简单的代码填空，总之用来当这课平时的阅读材料应该不错，比peter dayan那本书友好好些。
（前面W0的数学准备，科带同学应该不需要看，从W1开始就行ovo
https://github.com/NeuromatchAcademy/course-content/tree/master/tutorials
