Letnia Szkoła Neuronauki

W dniach 1.09-13.09.2020r. przy współpracy współpracy naszego koła z Kołem Naukowym „NeuroPsyche” SWPS odbyła się Letnia Szkoła Neuronauki. Wydarzenie obejmowało 15 warsztatów online dotyczących różnorodnej tematyki z zakresu neuronauk, na które zapisało się około 200 osób. 

Podczas dwóch tygodni miały miejsce następujące warsztaty:

  1. Wprowadzenie do Pythona – Maciej Gaca

Letnią Szkołę Neuronauk otworzyły warsztaty z Maciejem Gacą – doktorantem w Pracowni Obrazowania Mózgu Instytutu Biologii Doświadczalnej im. M. Nenckiego PAN, który naukowo związany jest z badaniami nad plastycznością funkcjonalną i strukturalną mózgu, przede wszystkim w kontekście nauki alfabetu Braille’a. Maciej jest ponadto zaangażowany w inne projekty, związane z takimi tematami jak e-sport i jego wpływ na zdolności poznawcze, wpływ palenia marihuany na elektrofizjologię mózgu, czy wpływ oglądania pornografii na satysfakcję z związku

Uczestnicy warsztatów mieli okazję nauczyć się podstaw programowania w języku Python. Omówione zostały rodzaje zmiennych, typy danych, sposoby iterowania, implementowania warunków czy podstawowych funkcji, aż po narzędzia umożliwiające działania na macierzach i wizualizowanie danych.

  1. Zależności przyczynowe w sygnałach wielokanałowych – Dr hab. Maciej Kamiński

Warsztaty poprowadził dr hab. Maciej Kamiński – fizyk i neuroinformatyk, absolwent Wydziału Fizyki Uniwersytetu Warszawskiego, od początku związany z Zakładem Fizyki Biomedycznej. Jest współtwórcą metody DTF, która służy do oceny przyczynowych związków międzykanałowych. Opracował wiele jej odmian, w tym służącą do badania przepływów informacji między obszarami mózgu. Obecnie prowadzi przedmioty Elektrodynamika dla neuroinformatyków, Pracownia EEG, Laboratorium EEG.

Na warsztatach uczestnicy poznawali specyfikę i własności danych wielokanałowych, a w szczególności zagadnienie zależności między sygnałami. Na podstawie przykładowych danych symulowanych i rzeczywistych, mieli okazję przekonać się jakie informacje można z takich danych uzyskać i jakie trudności można napotkać w trakcie ich analizy. 

  1. Wprowadzenie do analizy danych EEG w Pythonie – Natalia Jakubowska

Prowadzącą warsztaty była Natalia Jakubowska – absolwentka kognitywistyki na UMCS (specjalizacja Sztuczna Inteligencja i Logika) i kognitywistyki na Uniwersytecie Warszawskim (specjalizacja Neurokognitywistyka), doktorantka interdyscyplinarnych studiów ICT & Psychology (SWPS & PJATK). Zajmuje się analizą danych EEG, a specjalizuje w ERPach. 

Podczas warsztatów przedstawione zostały podstawowe własności sygnałów EEG, a także metody analizowania sygnałów EEG przy wykorzystaniu języka programowania Python. 

  1. Podstawy modeli mieszanych (hierarchical linear models) w środowisku R – dr Maksymilian Bielecki, Wydział Psychologii Uniwersytetu SWPS

Warsztaty zostały poprowadzone przez dr. Maksymiliana Bieleckiego, który zajmuje się psychofizjologią, metodologią oraz psychometrią. Jego zainteresowania badawcze to przede wszystkich metodologia psychologii i statystyka w badaniach społecznych oraz psychologia poznawcza. Dr Maksymilian Bielecki współpracuje z wieloma instytucjami naukowymi, m.in. Warszawskim Uniwersytetem Medycznym, Instytutem Psychologii Polskiej Akademii Nauk oraz Interdyscyplinarnym Centrum Genetyki Zachowania UW, Instytutem Biologii Doświadczalnej im. M. Nenckiego oraz Centrum Nauki Kopernik. Jest jednym z założycieli Centrum Innowacji Społecznych SWPS, gdzie zajmuje się projektami pozwalającymi wykorzystać wiedzę psychologiczną w procesie tworzenia nowych produktów, procesów i usług. Równolegle z działalnością naukową od kilkunastu lat zajmuje się projektami dla biznesu jako kierownik projektów badawczych, a także konsultant w zakresie metodologii, statystyki oraz ekonomii behawioralnej.

Na Uniwersytecie SWPS prowadzi zajęcia m.in. z zastosowania metod analitycznych w nauce i biznesie, wizualizacji danych, metod badawczych wykorzystywanych w badaniach user experience, zaawansowanych metod analizy danych, konstrukcji narzędzi pomiarowych w psychologii, psychologii zachowań konsumenckich.

W trakcie prowadzonych spotkań omówione zostały metody realizacji w środowisku R „zwykłej” analizy regresji, a także podstawowe założenia hierarchiczne modeli liniowych, tzw. modeli mieszanych. Uczestnicy warsztatów mieli również okazję, korzystając z realistycznych przykładów danych, samodzielnie stworzyć modele wyjaśniające m.in. dane uzyskiwane w badaniach okulograficznych dotyczących czytania. 

  1. Praktyczno-teoretyczne warsztaty z analizy sygnałów w przestrzeni czas-częstość w oparciu o program SVAROG – prof. dr hab. Piotr Durka 

Prowadzącym warsztaty był prof. dr hab. Piotr Durka, fizyk i neuroinformatyk, autor kilkudziesięciu artykułów i pięciu książek, od początku studiów związany z Wydziałem Fizyki Uniwersytetu Warszawskiego. Zajmuje się analizą EEG, interfejsami mózg-komputer (brain-computer interface, BCI) i oceną stanu pacjentów z zaburzeniami świadomości (ostatnie we współpracy z warszawską kliniką Budzik). W roku 2008 przeprowadził pierwszy w Polsce publiczny pokaz działania BCI. Cztery lata później zaprojektowany przez niego system okazał się najszybszym BCI na międzynarodowych targach CeBIT. W roku 2009 stworzył na Wydziale Fizyki Uniwersytetu Warszawskiego pierwsze w świecie pełne studia Neuroinformatyki. W roku 2012 założył firmę BrainTech, która po 3 latach wdrożyła otwarty i darmowy system oprogramowania dla niepełnosprawnych o tragicznie ograniczonych możliwościach komunikacji (Polski Interaktywny System Alternatywnej Komunikacji PISAK https://pisak.org). Aktualnie BrainTech wprowadza na rynek nowatorskie na skalę światową sprzęt i oprogramowanie interfejsów mózg-komputer. Bliższe informacje na stronach https://durka.name i https://braintech.pl.

Tematem warsztatów była analiza sygnałów w przestrzeni czas-częstość. Przedstawione zostały różne sposoby estymacji i prezentacji gęstości energii sygnałów w przestrzeni czas-częstość: krótkoczasowa transformata Fouriera, transformacja falkowa, matching pursuit oraz różnice między nimi. Uczestnicy zapoznali się z programem Svarog – oprogramowaniem do wizualizacji, analizy i rejestracji sygnałów bioelektrycznych. Przy jego wykorzystaniu samodzielnie próbowali zwizualizować i przeanalizować przykładowe sygnały w przestrzeni czas-częstość. 

Zainteresowanych zachęcamy do obejrzenia nagrania z warsztatów:

https://drive.google.com/…/18RGdihoaY…/view…
  1. Modelowanie obliczeniowe zachowania – Przemysław Marcowski

Warsztaty poprowadził Przemysław Marcowski, który jest doktorantem w DecisionLab Uniwersytetu SWPS w Warszawie. Naukowo interesuje się badaniem procesów podejmowania decyzji. Obecnie jest zaangażowany w projekty badawcze dotyczące prokrastynacji, decyzji ryzykownych i międzyokresowych oraz interakcji pomiędzy trudnością dostępu do dóbr i ich wartością. 

Uczestnicy warsztatów mieli okazję zgłębić temat modelowania obliczeniowego zachowania (na przykładzie podejmowania decyzji). Podczas spotkań zaprezentowano, jak zdefiniować przykładowy model, jego estymator i funkcje straty. Przedstawiono również, jak oceniać jakości modeli pod względem tego, jak dobrze przewidują interesujące nas zachowanie, a także w jaki sposób wizualizować otrzymane wyniki. 

7. Deep Learning w PyTorch do klasyfikacji obrazu – dr Piotr Migdał

Dr Piotr Migdał jest założycielem firmy Quantum Flytrap + AI Researcher w ECC Games, specjalistą w dziedzinie Deep Learning i doktorem fizyki kwantowej (tytuł zdobyty w ICFO Castelldefels). Zajmuje się rozwojem sztucznej inteligencji do tworzenia zawartości oraz optymalizacji działania silników fizycznych w ECC Games. Stworzył 'Quantum Game with Photons’ – przeglądarkową, otwartoźródłową grę logiczną opartą na zasadach mechaniki kwantowej. Dr Piotr Migdał jest także deweloperem livelossplot – biblioteki Pythona pozwalającej na wizualizację procesu uczenia w Jupyter Notebook.

  Warsztaty były wprowadzeniem do używania sztucznych sieci neuronowych przy klasyfikacji obrazu. Uczestnicy mogli dowiedzieć się, co to jest gradient descent (główny algorytm do uczenia modeli) oraz stworzyć sieć, która rozpoznawała zdjęcia albo odręczne rysunki. 

Zainteresowanych zachęcamy do obejrzenia nagrania z warsztatów:

https://drive.google.com/…/15OrrYi2HJaZjrSGCqJy…/view…

  1. BCI oparte na P300, BCI oparte na SSVEP oraz BCI oparte na zjawisku związanym z wyobrażeniem ruchu – dr Anna Duszyk-Bogorodzka

Prowadzącą była dr Anna Duszyk-Bogorodzka – absolwentka Uniwersytetu Jagiellońskiego (kierunek muzykologia), Uniwersytetu SWPS (kierunek neurokognitywistyka) oraz Interdyscyplinarnych Studiów Doktoranckich Uniwersytetu SWPS, gdzie obroniła rozprawę doktorską przygotowaną pod kierunkiem prof. A. Grabowskiej i Prof. P. Durki. Od 2010 roku współpracuje z Wydziałem Fizyki UW. Prace badawcze prowadzi w oparciu o technikę elektroencefalografii. W latach 2014 i 2015 gościła ona w Leibniz Institute for Neurobiology, gdzie zapoznała się z techniką magnetoencefalografii. W 2016 odbyła ona staż w w Coma Science Group (Uniwersytet w Liege, Belgia), podczas którego zdobyła doświadczenie w pracy z chorymi z zaburzeniami świadomości, które wykorzystuje obecnie w pracy z pacjentami Kliniki Budzik. 

Podczas warsztatów zajmowano się zagadnieniem interfejsu mózg-komputer (Brain-Computer Interface), czyli technologii umożliwiającej komunikację z komputerem za pomocą fal mózgowych bez udziału mięśni. Omówiono 3 najbardziej popularne paradygmaty BCI wykorzystujące odmienne odpowiedzi neuronalne: BCI oparte na P300, SSVEP i zjawisku związanym z wyobrażeniem ruchu. Przedstawiono mechanizmy fizjologiczne leżące u podstaw generowania danego typu aktywności neuronalnej i założenia budowy danego typu interfejsu. Uczestnicy warsztatów mieli również okazję samodzielnie przeanalizować dane EEG zarejestrowane podczas pracy BCI.

Sztuczne sieci neuronowe – luźna inspiracja biologiczna – dr Piotr Migdał

Naszym noworocznym gościem będzie dr Piotr Migdał, konsultant data science, który opowie nam o zawiłościach sztucznych sieci neuronowych.

W ciągu ostatnich kilku lat głębokie sieci neuronowe (ang: deep learning) zmieniły oblicze uczenia maszynowego. W rozpoznawanie zdjęć wspięły się na poziom ludzki (a czasem nawet go przekraczają, gdy mają do dyspozycji więcej zdjęć), w grze Go przerosły światowych mistrzów. Już na obecnym poziomie, zrewolucjonizują medycynę.

Czym one są? Czy mają coś wspólnego z biologiczną inspiracją?

Zachęcamy do zapoznania się z overview.

Kliknij aby zobaczyć wydarzenie!

Kliknij aby wysłuchać wykładu!