Бакалавриат
2025/2026
Научно-исследовательский семинар "Методы машинного обучения для анализа нейроданных"
Статус:
Курс обязательный (Когнитивная нейробиология)
Кто читает:
Базовая кафедра Института биоорганической химии им. академиков М.М. Шемякина и Ю.А. Овчинникова РАН
Где читается:
Факультет биологии и биотехнологии
Когда читается:
4-й курс, 2 модуль
Охват аудитории:
для своего кампуса
Язык:
русский
Кредиты:
3
Контактные часы:
28
Программа дисциплины
Аннотация
Семинар предназначен для студентов, аспирантов и специалистов, заинтересованных в применении современных методов машинного обучения к анализу и интерпретации данных, полученных из нейробиологии и смежных областей. В программе курса рассматриваются основные концепции и алгоритмы машинного обучения, включая как классические методы (регрессия, деревья решений, кластеризация), так и современные подходы (глубокое обучение, нейронные сети). Уделяется внимание особенностям работы с нейроданными, таким как многомерность, шум, неравномерное распределение и необходимость визуализации результатов. Студенты научатся готовить и обрабатывать нейроданные, разрабатывать и оценивать модели, а также применять полученные знания для решения практических задач в области нейробиологии и когнитивных наук. Семинар включает подготовку и обсуждение проектов по применению машинного обучения для анализа нейроданных, позволяющих закрепить теоретические знания на практике.
Цель освоения дисциплины
- Целями освоения дисциплины являются: - сформировать у слушателей практические навыки анализа нейроданных с применением методов машинного обучения; - познакомить с современными инструментами анализа EEG, MEG, fMRI; - научить использовать библиотеки MNE-Python, scikit-learn, PyTorch и HuggingFace; - развить умение интерпретировать результаты анализа и визуализировать их; - подготовить студентов к исследовательской и прикладной работе в области нейробиологии и когнитивных наук.
Планируемые результаты обучения
- Умеет проводить спектральный анализ сигнала.
- - предобработка EEG/MEG/fMRI
- выполнение спектрального анализа ЭЭГ/МЭГ (FFT, STFT, wavelets, multitaper)
- выделение источников сигналов (PCA, ICA, CSP, Riemann)
- применения MNE-Python и nilearn к реальным задачам анализа нейроданных
- построение моделей ML для классификации и регрессии нейросигналов
- проектирования и реализации ML-пайплайнов для анализа нейроданных
- использование современных DL-моделей (EEGNet, DeepConvNet, Transformers)
- интерпретации и визуализации моделей машинного обучения
- знание базовых и продвинутых методов ML для анализа нейросигналов (CNN, RNN, Transformers)
Содержание учебной дисциплины
- Введение в анализ нейроданных. Прямая и обратная задачи ЭЭГ/МЭГ. Препроцессинг ЭЭГ
- Методы спектрального анализа
- Снижение размерности и feature extraction в сигналах ЭЭГ/МЭГ
- Алгоритмы машинного обучения и нейросети для анализа нейроданных
- Классификация состояний по фМРТ. Трансформеры
Список литературы
Рекомендуемая основная литература
- Cohen, M. X. (2014). Analyzing Neural Time Series Data : Theory and Practice. Cambridge, Massachusetts: The MIT Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=689432
- Hastie, T., Tibshirani, R., & Friedman, J. H. (2009). The Elements of Statistical Learning : Data Mining, Inference, and Prediction (Vol. Second edition, corrected 7th printing). New York: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=277008
- Ian Goodfellow, Yoshua Bengio, & Aaron Courville. (2016). Deep Learning. The MIT Press.
Рекомендуемая дополнительная литература
- Python для data science. - 978-5-4461-2392-6 - Васильев Юлий - 2023 - Санкт-Петербург: Питер - https://ibooks.ru/bookshelf/390133 - 390133 - iBOOKS
- Спектральный анализ в биомедицине : учебно-методическое пособие / составители М. Ф. Умаров, С. В. Турыгин. — Вологда : ВоГУ, 2018. — 78 с. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/291911 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
- Часовских, Н. Ю. Биоинформатика : учебно-методическое пособие / Н. Ю. Часовских. — Томск : СибГМУ, 2015. — 109 с. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/105971 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.