[先備知識] Python (NumPy & Matplotlib)、高中程度微積分、線性代數(基礎矩陣運算)、基本機率與推論統計(T-test, ANOVA, Chi-Square Goodness of Fit, & Regression)

授課教師每週將透過講演的方式系統性地介紹模型建構這個領域──1.對大千世界的各種現象產生機制性的假說; 2.使用數理模型來刻畫這些假說; 3.利用電腦模擬來做計算實驗(computational experiments)以驗證2中的假說。

課程涵蓋的內容包含了不同空間尺度的人類神經、心智、行為模型──神經元模型(neuronal models) 、神經網路模型(neural network models)、認知模型(cognitive models) 、社會互動模型(agent-based models) 、與系統動力模型(system dynamics)。

由於神經網路模型──特別是深度學習網路(Deep-learning neural networks)──近來在大腦訊號解碼(brain decoding)以及對大腦功能的隱喻(functional metaphor)有重要的突破，本課程將花約莫50%的學期時間介紹深度學習網路與其一體兩面的計算認知神經科學(Computational Cognitive Neuroscience)。