신경 과학 연구에 있어서 가장 필요한 컴퓨터 과학 기술은 무엇이 있나요?

2014년 3월 25일의 신경과학 관련 영어 블로그 What computer science skills are most valuable in neuroscience research?를 한국인 플레이어 @djajsl1234님이 번역하였습니다.

신경 과학 연구에 있어서 가장 필요한 컴퓨터 과학 기술에는 무엇이 있을까요?

paul king image신경과학자 Paul KingQuora에서 답해주었습니다.

 

 

 

Here are a few that would make a good beginning: 시작하기에 좋은 몇가지를 소개합니다.

  • 베이지언의 통계학과 베이지언의 신뢰 네트워크 (Bayesian statistics and Bayesian Belief Networks)
  • 강화 학습 (Reinforcement Learning)
  • 복소구배법과 같은 드문 부호화 (Sparse coding)
  • 주 성분 분석(Principle Component Analysis, PCA)과 독립 성분 기법 (Independent Component Analysis, ICA)
  • EM (Expectation Maximization) 알고리즘
  • 뉴럴 네트워크 (Neural networks); 역전파 학습
  • 통합-발화 뉴런 모델 (Integrate-and-Fire neuron model); 이온 채널 모델링 (Ion channel modeling)
  • 콘벌루션 (Convolution, 2차원 이미지와 1차원 음파 ); 푸리에 변환 (Fourier Transform)
  • 홉필드 네트워크 (Hopfield Networks), 볼츠만 기계 (Boltzmann Machines)

amazing ganglions, neurons, eyewire, 3D neurons, citizen science, neuroscience, Seung Lab, MIT, Alex Norton, Amy Robinson

신경 과학에 있어서 가장 많이 쓰이는 컴퓨터 과학 기술은 매우 큰 규모의 통계적 데이터의 분석(Large-scale statistical data analysis)입니다.

전형적인 전기 물리학적 생물학 실험은 수 메가바이트(MB)에서 수 테라바이트(TB)의 전극 데이터를 잡아낼 것 입니다. 또한  EEG와 fMRI 연구는 수 백만에서 수 억만의 데이터 포인트를 잡아냅니다. 이 데이터는 “신호를 찾기 위해서” 철저한 큰 규모의 데이터 분석 알고리즘에서 작동 되어야 합니다.

MATLAB과 파이썬 (Python)은 위 알고리즘을 만들 때 가장 일반적으로 사용되는 프로그래밍 언어입니다. 이용 가능한 많은 오픈소스 라이브러리가 있습니다. 이러한 라이브러리를 사용하는 것은 통계적 메소드와 선형 대수학에 대해 많은 노력과 경험이 요구됩니다. 통계적 기계 학습을 아는 것 또한 좋습니다. 그렇기 때문에 수학과 알고리즘은 거의 동일합니다.

만약 당신이 데이터 분석에 손을 대어 보고 싶거나 테크닉을 독학 해 보고 싶다면, Cold Springs Harbor Labs 데이터 공유 웹 사이트에서 실제 신경 과학 데이터 세트를 다운로드 받을 수 있습니다. 이 웹 사이트는 신경 과학  데이터 세트를 포함하고 있습니다. 또한 과제를 하는 학생들에게도 매우 유용한 사이트입니다.

신경 과학에 있어서 프로그래밍 기술에 관한 좋은 책은 ‘MATLAB for Neuroscientists’ 가 있습니다. 

(@djajsl1234님, 감사합니다!)

답글 남기기

이메일은 공개되지 않습니다.