A neurociência computacional tem como principal objetivo a simulação e emulação das funções cerebrais, a partir de modelos que representam os aspectos físicos,  químicos e biológicos da dinâmica cerebral, em diferentes níveis.

Dessa forma, qualquer arcabouço computacional voltado para neurociência computacional deve, antes de tudo, ter um ecossistema de computação científica ou numérica capaz de atender, de forma eficiente, problemas como a simulação do funcionamento e da interação de neurônios, da plasticidade sináptica, de redes de neurônios e das dinâmicas da cognição, por exemplo.

Python vem, nos últimos anos, ocupando um lugar antes quase absolutamente tomado pelo FORTRAN, C e MatLab, principalmente por ser uma linguagem de fácil aprendizado, ser multiplataforma, e ter um ecossistema poderoso voltado para a computação numérica, formado por bibliotecas como Numpy, Scipy, Matplotlib, ScikitLearn, para citar algumas. Especificamente para a neurociência computacional, dentre várias possibilidades, a MNE, voltada para o processamento de sinais neurais incluindo  letro e magnetoencefalograma, que o usuário seja capaz de visualizar dados crus oriundos de gravações de sensores, definir épocas de visualização, remover ruído do sinal coletado, computar contrastes entre condições, entre sensores, por meio de objetos, etc., realizar estatísticas não paramétricas no espaço, tempo e frequência, realizar análises de sinais em tempo-frequência, estimar conectividade entre sensor e fonte espacialmente distribuídos, entre outras funcionalidades. O projeto MNE é financiado conjuntamente por NIH, NSF, NCCR e Amazon, nos EUA e por IDEX Paris, ERC e French National Research Agency, na França.

Nessa palestra, nós conheceremos o ecossistema Python atualmente disponível para aplicações em neurociência computacional, com enfoque na MNE, a partir de exemplos e casos de uso para o processamento de sinais cerebrais, mostrando como python pode ser uma poderosa ferramente para a construção de pesquisas e aplicações voltadas para o campo da neuroengenharia.

A neurociência computacional tem como principal objetivo a simulação e emulação das funções cerebrais, a partir de modelos que representam os aspectos físicos,  químicos e biológicos da dinâmica cerebral, em diferentes níveis.

Dessa forma, qualquer arcabouço computacional voltado para neurociência computacional deve, antes de tudo, ter um ecossistema de computação científica ou numérica capaz de atender, de forma eficiente, problemas como a simulação do funcionamento e da interação de neurônios, da plasticidade sináptica, de redes de neurônios e das dinâmicas da cognição, por exemplo.

Python vem, nos últimos anos, ocupando um lugar antes quase absolutamente tomado pelo FORTRAN, C e MatLab, principalmente por ser uma linguagem de fácil aprendizado, ser multiplataforma, e ter um ecossistema poderoso voltado para a computação numérica, formado por bibliotecas como Numpy, Scipy, Matplotlib, ScikitLearn, para citar algumas. Especificamente para a neurociência computacional, dentre várias possibilidades, a MNE, voltada para o processamento de sinais neurais incluindo  letro e magnetoencefalograma, que o usuário seja capaz de visualizar dados crus oriundos de gravações de sensores, definir épocas de visualização, remover ruído do sinal coletado, computar contrastes entre condições, entre sensores, por meio de objetos, etc., realizar estatísticas não paramétricas no espaço, tempo e frequência, realizar análises de sinais em tempo-frequência, estimar conectividade entre sensor e fonte espacialmente distribuídos, entre outras funcionalidades. O projeto MNE é financiado conjuntamente por NIH, NSF, NCCR e Amazon, nos EUA e por IDEX Paris, ERC e French National Research Agency, na França.

Nessa palestra, nós conheceremos o ecossistema Python atualmente disponível para aplicações em neurociência computacional, com enfoque na MNE, a partir de exemplos e casos de uso para o processamento de sinais cerebrais, mostrando como python pode ser uma poderosa ferramente para a construção de pesquisas e aplicações voltadas para o campo da neuroengenharia.

A análise de dados, especialmente nas últimas décadas, quando a Internet levou a geração de informação para outros patamares em termos de forma e quantidade, tornou-se uma caixa de ferramentas indispensável para engenheiros e cientistas das mais diversas formações e expertises.

Na última década, em especial, uma ferramenta dentro dessa caixa vem se mostrando extremamente versátil para problemas com dados: Python! 

Python vem se tornando cada vez mais a ferramente preferida de analistas, engenheiros e cientistas de dados, principalmente por sua versatilidade: pode ser usada com eficiência em praticamente todas as frentes de trabalho desses profissionais. 

Nessa palestra, nós iremos conversar sobre Python (lógico), sobre dados, sobre análise, sobre ciência de dados e sobre cada biblioteca do ecossistema pythônico para dados, explorando as muitas potencialidades desse verdadeiro canivete suiço!!

Serão apresentados exemplos com dados reais, estudos de caso e indicações de como usar e aprender a usar Python para análise de dados. 

Tudo isso de forma a mostrar um mundo novo para o novato, e apresentar e discutir novas opções pro usuário avançado, ampliando ainda mais o uso dessa maravilhosa linguagem.

A análise de dados, especialmente nas últimas décadas, quando a Internet levou a geração de informação para outros patamares em termos de forma e quantidade, tornou-se uma caixa de ferramentas indispensável para engenheiros e cientistas das mais diversas formações e expertises.

Na última década, em especial, uma ferramenta dentro dessa caixa vem se mostrando extremamente versátil para problemas com dados: Python! 

Python vem se tornando cada vez mais a ferramente preferida de analistas, engenheiros e cientistas de dados, principalmente por sua versatilidade: pode ser usada com eficiência em praticamente todas as frentes de trabalho desses profissionais. 

Nessa palestra, nós iremos conversar sobre Python (lógico), sobre dados, sobre análise, sobre ciência de dados e sobre cada biblioteca do ecossistema pythônico para dados, explorando as muitas potencialidades desse verdadeiro canivete suiço!!

Serão apresentados exemplos com dados reais, estudos de caso e indicações de como usar e aprender a usar Python para análise de dados. 

Tudo isso de forma a mostrar um mundo novo para o novato, e apresentar e discutir novas opções pro usuário avançado, ampliando ainda mais o uso dessa maravilhosa linguagem.