神经科学导论
提示
如果对计算神经科学、类脑等方向感兴趣，这门课可以作为一个很好的入门课；即使不打算深入相关方向，也是一门理解大脑与智能关系的高质量通识课。
基本信息
课程名称：神经科学导论
课程介绍：本课程以通识性与实践性为核心，系统介绍神经科学的基础概念、研究方法与经典模型，帮助学生从整体上理解“大脑如何工作”。课程不以繁重的数学推导或理论证明为主，而是通过小作业 + 项目实践的方式，引导学生接触神经元模型、神经编码、神经网络与脑科学交叉研究的基本思路，更强调直觉理解、实验复现与动手实践。
课程画像：
- 课程类型：平台
- 学分：2 学分
- 考核方式：平时作业 · 组队项目
课程资料区
课程资料库（课件、作业、项目要求等）：
repo
提示
本课程没有期末考试，成绩主要由平时小作业完成情况 + Project 表现决定，建议不要后期集中突击，而是保持稳定投入。
经验分享区
课程定位评价：
综合难度 偏低到中等，更考察投入程度与项目完成质量，而不是考试能力，整体学习压力相对友好。
作业反馈：
小作业（共8次,以2025秋为例）
- 以理解性与实践性任务为主
- 通常围绕课堂内容展开，8次作业的主题分别是 Neuron modeling, SDT, SpikeTrainInfo, Attractor Network, DDM, Grid Cell Traversal Simulation, Two Step RL Modeling 和 Discussing What's missing in robots
- 小作业通常紧密配合课堂内容，形式多样，包含代码仿真、理解写作等
- 难度整体不高，但数量较多
项目经验：
项目要求
- 组队完成 (2024秋不限人数，2025秋为3人以内，以实际情况为准)
- 主题自由度较高，允许围绕神经科学/计算神经科学/脑科学与AI交叉方向展开
- 部分项目会被老师选中进行课堂汇报，汇报表现计入成绩
- 无期末考试，Project 在总评中占比较重要
选题建议：推荐以已有神经科学或计算神经科学相关论文为参考基础，在理解其研究动机与方法框架的前提下，结合自身条件完成一个改编式或延展式的小项目。
- 例如：参考经典神经元模型、已有计算神经科学实验设计，或基于论文中的方法进行简化实现与参数探索。
相较于完全从零设计新问题，这种基于成熟研究思路开展项目的方式：
- 研究目标更加明确，实验路径相对清晰；
- 更容易在有限时间内获得稳定、可解释的实验结果；
- 也更有助于在报告中系统性地展示研究逻辑与分析过程。
项目报告撰写时，建议重点关注：
- 研究问题的背景与论文思路的启发来源；
- 方法框架与实验设置（包括必要的简化或调整说明）；
- 实验结果与现象分析；
- 对方法适用性、实验结果及自身理解的反思与总结（不必刻意追求提出全新模型或方法）。
若项目被选中进行课堂汇报，建议提前准备：
- 清晰的研究背景说明
- 实验流程图或示意图
- 结果可视化（图表优于公式）
- 汇报更看重展示、表达与理解，而非技术复杂度
往年项目参考：