Explore le traitement d'images en 2D et 3D, couvrant les conditions d'imagerie idéales, l'analyse d'histogrammes, les outils, les étapes de reconstruction 3D et la visualisation.
Couvre les réseaux neuronaux convolutifs, les architectures standard, les techniques de formation et les exemples contradictoires en apprentissage profond.
Par Meenakshi Khosla explore la modélisation basée sur les données dans les neurosciences naturalistes à grande échelle, en mettant l'accent sur la représentation de l'activité cérébrale et les modèles de calcul.
Couvre le redécoupage, une méthode pour convertir des ensembles de données 3D en images 2D en extrayant des valeurs d'intensité le long d'une ligne, et ses applications dans l'analyse des objets en mouvement et des relations spatiales.
Présente la structure du cours et les concepts fondamentaux de l'apprentissage automatique, y compris l'apprentissage supervisé et la régression linéaire.
Explore l'infrastructure HPC du projet «Blue Brain», y compris le raffinement des neurones à compartiments multiples et le traitement des données à grande échelle.
