Diplomado en Neurociencia Computacional

Esta titulación está dirigida a empresarios, directivos, emprendedores, trabajadores, estudiantes y cualquier persona que pretenda adquirir los conocimientos necesarios en relación con este ámbito profesional.

Permite conocer sobre los fundamentos de la neurociencia, los fundamentos matemáticos y biofísicos de la neurociencia computacional, la codificación, decodificación y percepción computacional, los modelos computacionales del aprendizaje y la toma de decisiones, las redes neuronales artificiales y su relación con el cerebro, la neurociencia computacional traslacional y aplicaciones clínicas, la psiquiatría computacional, la neurología computacional, las interfaces entre el cerebro y la máquina, entre otros conceptos relacionados. Además, al final de cada unidad didáctica el/la alumno/a encontrará ejercicios de autoevaluación que le permitirá hacer un seguimiento del curso de forma autónoma.

MÓDULO 1. FUNDAMENTOS DE LA NEUROCIENCIA (I): ORGANIZACIÓN Y CÉLULAS DEL SISTEMA NERVIOSO

Unidad Didáctica 1. Organización General del Sistema Nervioso
Unidad Didáctica 2. Neuronas
Unidad Didáctica 3. Células Gliales
Unidad Didáctica 4. Excitabilidad Neuronal y Potencial de Acción
Unidad Didáctica 5. Circuitos Neurales
Unidad Didáctica 6. Métodos de Estudio del Sistema Nervioso

MÓDULO 2. FUNDAMENTOS DE LA NEUROCIENCIA (II): FUNCIÓN, SISTEMAS Y NUEVAS TECNOLOGÍAS

Unidad Didáctica 1. Principios Generales de la Comunicación Sináptica
Unidad Didáctica 2. Grandes Sistemas Funcionales
Unidad Didáctica 3. Introducción a la Plasticidad Neuronal
Unidad Didáctica 4. Neurociencia de Sistemas y Neurociencia Computacional
Unidad Didáctica 5. Tecnologías Modernas en Neurociencia

MÓDULO 3. FUNDAMENTOS MATEMÁTICOS Y BIOFÍSICOS DE LA NEUROCIENCIA COMPUTACIONAL

Unidad Didáctica 1. Herramientas Matemáticas
Unidad Didáctica 2. Biofísica de la Membrana Neuronal
Unidad Didáctica 3. Sinapsis y Plasticidad en el Marco Computacional
Unidad Didáctica 4. Dinámica de Redes y Estados de Actividad
Unidad Didáctica 5. Herramientas Computacionales y Entornos de Simulación

MÓDULO 4. CODIFICACIÓN, DECODIFICACIÓN Y PERCEPCIÓN COMPUTACIONAL

Unidad Didáctica 1. Principios de Codificación Neuronal
Unidad Didáctica 2. Decodificación y Lectura de Poblaciones Neuronales
Unidad Didáctica 3. Modelos Computacionales de Percepción
Unidad Didáctica 4. Procesamiento y Codificación Predictiva
Unidad Didáctica 5. Representaciones Internas y Espacio Latente

MÓDULO 5. MODELOS COMPUTACIONALES DEL APRENDIZAJE Y LA TOMA DE DECISIONES

Unidad Didáctica 1. Fundamentos Computacionales y Aprendizaje por Refuerzo
Unidad Didáctica 2. Modelos de Memoria
Unidad Didáctica 3. Toma de Decisiones Bajo Incertidumbre
Unidad Didáctica 4. Control Ejecutivo y Planificación Computacional
Unidad Didáctica 5. Disfunciones del Aprendizaje y la Decisión

MÓDULO 6. REDES NEURONALES ARTIFICIALES Y SU RELACIÓN CON EL CEREBRO

Unidad Didáctica 1. Fundamentos de las Redes Neuronales Artificiales
Unidad Didáctica 2. Arquitecturas Profundas y Modelos Avanzados
Unidad Didáctica 3. Neurología de Sistemas como Inspiración para la IA
Unidad Didáctica 4. IA como Herramienta en Neurociencia
Unidad Didáctica 5. Comparación entre Inteligencia Biológica y Artificial

MÓDULO 7. NEUROCIENCIA COMPUTACIONAL TRASLACIONAL Y APLICACIONES CLÍNICAS

Unidad Didáctica 1. Del Modelo al Paciente: Principios de Traslación
Unidad Didáctica 2. Psiquiatría Computacional
Unidad Didáctica 3. Neurología Computacional
Unidad Didáctica 4. Interfaces entre el Cerebro y la Máquina
Unidad Didáctica 5. Neuromodulación Basada en Modelos