适合专业或兴趣方向 Interests
神经科学，脑科学，机器学习
学习目标 Learning Objective
★ 理解神经科学与机器学习的核心概念
★ 探索人类行为，大脑与心理疾病之间的关系等相关理论知识
★ 培养学生的沟通能力及有效的项目演示能力
★ 集中训练学生复杂问题的表达能力及逻辑思维能力
项目收获 Program Outcome
· 教授官方的个性化定制推荐信
· 科研项目成绩单
· 学术评估报告
· 独立第一作者全文发表的EI/CPCI索引的国际会议期刊
项目介绍 Program Description
本课题主要面向那些对大脑如何控制行为与心理疾病最新研究感兴趣的学生。 传统意义上，神经科学是如何使用各种侵入性和非侵入性技术来探索人类和动物的大脑与行为之间的关系。 这种方法目前非常有成效，并使我们深入了解大脑不同部位的信号是如何支持不同方面的心理行为的。 然而，用这种方法测试特定的假设是具有挑战性的，因为我们没有具体的模型来预测大脑和相关行为。为了解决这一缺陷，科学家们已经开始将神经科学的实验工具与机器学习的计算工具相结合。 这种技术的整合创造了一个由三个要素组成的进步循环系统: 假设、模型和实验。
首先，我们将输出关于大脑是如何支持人类行为的特定假设。 其次，我们进而建立相关模型，对大脑和心理行为做出具体的预测。 第三，我们动物身体上做实验来人类大脑及心理行为的预测。 最后，通过对比实验和模型的结果来否定或修正我们的假设，并开始一个新的循环。 在本课题中，我们将一起学习跨学科研究范式的专业知识，并讨论新假设、新模型和新实验的循环系统是如何帮助我们在神经科学领域取得新的发现。
导师介绍 Instructor Introduction
本教授任麻省理工学院大脑和认知科学系终身教授
荣获2019年麻省理工学院理学院研究生教育奖
多次获得麻省理工学院大脑与认知科学系“卓越教学奖”
担任IDG麦戈文人脑研究院研究员
2009年被评为“美国传播协会杰出学者”
荣获多伦多大学生理学硕士学位
纽约大学神经科学博士学位
任职学校 University / College
麻省理工学院（Massachusetts Institute of Technology），简称“麻省理工”（MIT）。是世界著名私立研究型大学, 麻省理工学院斯隆商学院也被认为是美国最杰出的商学院之一。麻省理工学院斯隆商学院在2005年被<<美国新闻与世界报道>>杂志评选为美国排名第四的商学院，仅次于哈佛商学院、斯坦福大学商学院和宾夕法尼亚大学沃顿商学院。截止至2019年10月，麻省理工学院的校友、教职工及研究人员中，共产生了97位诺贝尔奖得主（世界第五）、8位菲尔兹奖得主（世界第八）以及26位图灵奖得主（世界第二）。2019-20年度，麻省理工学院位列QS世界大学排名第一、U.S. News世界大学排名第二。
Lecture 1 : | Objective：Motivations, Needs & Media Use 学习目标：大脑工程和AI的本质：逆向工程 Description: In this lecture, I will introduce two complementaryapproaches for understanding the relationship between the brain andbehavior. 描述：在这堂课中，我将介绍两种互补方法来理解大脑和行为之间的关系 |
Lecture 2: | Objective：Reverse engineering I : Different tools for recording andperturbing the brain 学习目标：大脑的逆向工程I: 记录和扰乱大脑的不同工具 Description: In this lecture, students will learn about thedifferent technologies that are used to study the neural basis ofbehavior 描述：在这堂课中，学生将学习不同的技术，这些技术将被用于研究行为的神经基础 |
Lecture 3: | Objective：Reverse engineering II: An example of usingelectrophysiology to understand neural mechanisms I 学习目标：逆向工程II: 利用电生理学理解神经机制的实例 I Description: In this lecture, I will go over a body of literature onhow recording from activity patterns in different brain areas hashelped us understand neural mechanisms 描述：在这堂课中，我将浏览大量的文献资料，了解并记录不同大脑区域的活动模式是如何帮助我们理解神经机制的 |
Lecture 4: | Objective：Engineering I: Foundations of building neural networksthat emulate brain function 学习目标：工程学I: 建立模拟大脑功能的神经网络的基础 Description: In this lecture, students will learn about thefundamentals of how machine learning can be used to buildcomputational systems like the brain 在这堂课中，学生将系统研究机器学习是如何用于构建像大脑一样的计算系统的 |
Lecture 5: | Lecture 5 : Engineering II: An example of using neural networks tounderstand neural mechanisms 学习目标：工程学II: 实例讲解：使用神经网络来理解神经机制 Description：In this lecture, I will go over a body of literature onhow neural network models have helped us generate and testhypotheses about neural mechanisms 描述：在这节课中，我将浏览大量关于神经网络模型如何帮助我们生成和测试关于神经机制的假设的文献 |
Lecture 6: | Summary, and Q&A 最终成果展示、课题答疑 |