Debe sentirse cómodo con el lado computacional y el lado de la neurociencia.
Si tiene poca experiencia computacional, debe mejorar esto: elija un lenguaje (matlab, python, R son todos populares en neurociencia computacional) y aprenda a hacer cosas básicas con él.
Si tiene experiencia computacional pero no tiene mucho conocimiento sobre neurociencia, lea un libro o revise documentos para ponerse al día con el campo y sus desafíos y oportunidades únicos. Buenos ejemplos de esto incluyen:
- ¿Cómo interactúan y funcionan juntos los dispositivos dentro de una computadora?
- ¿Por qué los estudiantes de informática deben estudiar cursos como cálculo diferencial, único y multivariable en su primer año o más tarde?
- ¿Cuáles son algunas organizaciones gubernamentales en la India que reclutan graduados en ingeniería informática?
- La IA es un campo tan confuso. ¿Dónde es un buen lugar para comenzar?
- ¿Cuál es la historia del aprendizaje automático?
- Redes cerebrales complejas: análisis teórico gráfico de sistemas estructurales y funcionales.
- Prensa de la Universidad de Cambridge
- También me gusta seguir este blog:
Artículos interesantes (computacionales) de neurociencia
Luego, tenga en sus manos un conjunto de datos: hay muchos de código abierto disponibles según el tipo de datos que desea usar (EEG, fMRI, etc.) y juegue con ellos. Por ejemplo, puedes ver:
- El proyecto Human Connectome (un montón de datos, ¡quizás demasiado!)
Mapeando la conectividad del cerebro humano - Archivo de conjunto de datos CIBC
- Hay un par de competiciones de Kaggle con fMRI en este momento
