Skip to content

Repositorio con recursos de Neurociencia Cognitiva y computacional con amplitud temática.

License

Notifications You must be signed in to change notification settings

GEJ1/Recursos-neuro

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 
 
 
 
 

Repository files navigation

Recursos-neuro 🧠

Repo para ir agregando recursos en Neurociencia Cognitva, computacional y temas relacionados (estadística, métodos de análisis, Machine Learning, etc). Enfocado a cursos/tutoriales en español e inglés. Solo contenido gratuito.

Si conocés a alguien a quien le pueda servir, compartilo y si te gustó dale una estrella ⭐

Si deseas agregar un recurso podés hacer un pull request (si no sabes cómo fijate acá)

Temas

EEG

fMRI

Eyetracking

  • PyGaze: Open-source toolbox for eye tracking in Python

    • La principal opcion para analizar movimientos oculares en Python
  • Gaze tracking estimation video by learnopencv Youtube Channel

    • In this video, we explain the problem of gaze estimation, current methods for collecting ground truth data, public datasets, and current methods for solving the gaze estimation/tracking problem.
    • blog post
  • WebGazer.js

    • WebGazer.js is an eye tracking library that uses common webcams to infer the eye-gaze locations of web visitors on a page in real time. The eye tracking model it contains self-calibrates by watching web visitors interact with the web page and trains a mapping between the features of the eye and positions on the screen. WebGazer.js is written entirely in JavaScript and with only a few lines of code can be integrated in any website that wishes to better understand their visitors and transform their user experience. WebGazer.js runs entirely in the client browser, so no video data needs to be sent to a server, and it requires the user's consent to access their webcam.
  • Eye Tracking Methodology (Clemson University, Fall 2023)

    • Contenido del curso de metodología de seguimiento ocular dictado por Andrew T. Duchowski, uno de los principales especialistas en el tema a nivel mundial

Neurociencia computacional

  • Todo el material de la escuela de verano neurociencia computacional Neuromatch Academy 2020

    • Incluye videos de las clases, notebooks en Google Colab, etc.
  • Fleur Zeldenrust COMPUTATIONAL NEUROSCIENCE resources

    • "Almost no-one coming to computational neuroscience has a degree in computational neuroscience: most have degrees in biology, physics, mathematics or AI. Therefore, I often receive the question what good introductory material is. Here, I compiled a list of some introductory material I like."
  • Repositorio: awesome-neuroscience

    • Lista curada de bibliotecas de neurociencia, software y cualquier contenido relacionado con el tema.
  • Essentials of Neuroscience with MATLAB by Mike X Cohen

  • STATS320: Machine Learning Methods for Neural Data Analysis 2021

    • Repo de la materia de Stanford University. Algunos de los temas: Spike sorting algorithm , Kilosort: Spike sorting by Deconvolution, CNMF: Calcium deconvolution via constrained NMF, DeepLabCut: Markerless pose tracking with CNNs, DeepRetina: Deep encoding models of retinal spike trains, Kalman Smoothers: Decoding movement from neural data, MoSeq: Autoregressive HMMs for animal movements, SLDS: Switching LDS model of neural data

Neuroanatomia

Experimentos

Herramientas

  • Data Science for Biologists. Playlist del curso de la Unversidad de Washington

  • Class lectures for Mathematical Tools for Neural and Cognitive Science, a graduate course at NYU. Topics include: Linear algebra, least-squares and total-least-squares regression, eigen-analysis and PCA, linear shift-invariant systems, convolution, Fourier transforms, Nyquist sampling, basics of probability and statistics, hypothesis testing, model comparison, bootstrapping, estimation and decision theory, signal detection theory, linear discriminants, classification, clustering, simple models of neural spike generation, white noise (reverse-correlation) analysis.

  • Biometría 2, materia de FCEyN (Universidad de Buenos Aires). Temas: Modelos (lineales, no lineales, mixtos), Análisis de la varianza, regresiones, métodos de comparación multivariada, diseño de medidas repetidas, entre otros.

  • Essence of linear algebra (Youtube playlist by 3Blue1Brown)

  • Introduction to statistics (Youtube playlist by Khan Academy)

  • Canal de Youtube de Steve Brunton explica muchos temas de matemática útiles para neurociencias (posee listas de: álgebra lineal, SVD, Fourier, data science, entre otros).

  • StatQuest: Canal de Youtube de Josh Starmer

  • Mathematical Tools for Neuroscience (Neurobio 212 at Harvard)

    • Curso con temática similar al de Math tools de NYU. Diferencias: Código en Python (cuadenos de Colab) en vez de Matlab y que está pensado específicamente para ser dictado online con una estética tipo Khan Academy.
    • Temas: Álgebra lineal, estadística, ecuaciones diferenciales, sistemas dinámicos y bases de Machine Learning.
    • La idea es lograr incluir temas variados (de matemática) que a una persona trabaje en neurociencia pueda resultarle de utilidad.
  • Introduction to Mathematics and Python using Neuroscience Examples

    • Se propone como una breve introducción a las herramientas matematicas en Python.
    • Una buena opción previa a Mathematical Tools for Neuroscience (Neurobio 212 at Harvard)
  • Introduction to Linear Algebra for Applied Machine Learning with Python

    • Muy buen recurso para arrancar con álgebra lineal desde cero. Recomiendo la sección sobre notación matemática que, como dice el autor, suele ser uno de los problemas más grandes para quienes no venimos de ese campo.
  • "Viendo la teoria". Libro interactivo para iniciarse en nociones de probabilidad

    • Recurso creado por Daniel Kunin mientras era un estudiante de pregrado en la Universidad de Brown. El objetivo de la página es hacer la Estadística más accesible usando visualizaciones interactivas en el navegador.
  • Canal de Youtube de Andres Farall

    • Videos sobre Ciencia de Datos con implementaciones prácticas en R. Los videos subidos a este canal comprenden los recursos asincrónicos de los cursos de posgrado que dicta regularmente en la Facultad de Ciencias Exactas y Naturales de la Universidad de Buenos Aires. Algunos de estos cursos son: Enfoque Estadístico del Aprendizaje (Maestría en "Data Mining") Introducción al Análisis Multivariado (Carrera de Especialización en Estadística para profesionales en Ciencias de la Salud) Ciencia de Datos con R (Materia optativa de grado y posgrado) Técnicas Avanzadas de Regresión (Carrera de Especialización en Estadística para profesionales en Ciencias de la Salud)
  • Material de la materia "Laboratorio de Datos" (Universidad de Buenos Aires)

    • Excelente contenido en español sobre análisis de datos y Machine Learning con Python: Videos, slides y notebooks
    • Algunos de los temas abarcados: análisis exploratorio de datos numéricos, modelos de regresión, modelos de clasificación, clustering y reducción de la dimensionalidad, obtención de datos, datos no numéricos, introducción al procesamiento del lenguaje natural.
  • NSCI 801: Quantitative Neuroscience by Dr Gunnar BLOHM

    • Todo el material del curso de Neurociencia cuantitativa utilizando Python y Google Colab
    • Temas: Intro Python, Advanced Python, Data collection / signal processing, Statistics and Hypothesis testing - basics, Statistics and Hypothesis testing - advanced, Quantitative wet lab / bench methods , Statistics and Hypothesis testing - Bayesian, Models in Neuroscience, Data Neuroscience overview , Correlation vs causality, Reproducibility, reliability, validity,
  • Stanford's "Introduction to Statistics"

    • Curso de coursera introductorio con los siguientes temas: Estadística descriptiva, Muestreo y Experimentos Controlados Aleatorizados, Probabilidad, Distribuciones de Muestreo y Teorema Central del Limite, Regresión, Pruebas Comunes de Significancia, Remuestreo, Comparaciones Múltiples.
  • Computational linear algebra by Rachel Thomas

  • Mathematical Tools for Data Science dictado por Carlos Fernandez-Granda (NYU University)

  • Fundamentals for Neuro Data Science

    • Este curso está destinado a investigadores en ciencias de la vida (neurólogos, psiquiatras, psicólogos, neurocientíficos) que desean mejorar sus prácticas de investigación u otros investigadores que desean una introducción a la ciencia de datos con ejemplos en neurociencia y neuroimágenes. El objetivo es brindar herramientas para ser capaz de analizar datos de manera reproducible y colaborativa utilizando Python.
    • Temas: Introducción a la reproducibilidad, terminal y Bash, Introducción a Python, Caja de herramientas de Python para análisis de datos, Git/GitHub, Preprocesamiento de datos en Python, Aprendizaje automático 1: aprendizaje supervisado, Machine Learning 2: selección y validación de modelos, Introducción a la visualización de datos, Contenedores, Computación de alto rendimiento.

Ciencias Cognitivas

Machine Learning

Deep Learning

Python

R

  • "Learn R for free"

    • Tiene todo tipo de recursos (libros, videos, sitios web interactivos, artículos) para aprender R. Algunos son para principiantes y comienzan desde el proceso de instalación de R.
    • Tiene versión en español!
  • Iniciación en R para científicos - Miguel Rojas

    • Intro muy completa a R desde un vistazo a la interfaz de RStudio hasta pruebas de hipótesis, pasando por graficación y estructura de datos. Miguel es estudiante de la licenciatura en biología de la Facultad de Ciencias de la Universidad Central de Venezuela.

About

Repositorio con recursos de Neurociencia Cognitiva y computacional con amplitud temática.

Topics

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published