Курс на Stepik
Обложка курса «Практический Python: анализ данных мозга для начинающих» на Stepik
Бесплатно

Практический Python: анализ данных мозга для начинающих ★ 5.000

Открыть на
STEPIK.ORG

Курс для тех, кто хочет войти в мир нейронауки и нейроинтерфейсов. В курсе рассказывается про основы работы мозга, про электроэнцефалографию (ЭЭГ) и как её обрабатывать с помощью Python. По итогам вы получите не только знания, но и проект в портфолио: полный скрипт обработки ЭЭГ для интерфейса мозг-компьютер

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Практический Python: анализ данных мозга для начинающих»Учеников на курсе 340
Сертификаты, выданные на курсе «Практический Python: анализ данных мозга для начинающих»Сертификатов выдано 0
Отзывы о курсе «Практический Python: анализ данных мозга для начинающих»Отзывов получено 31
Рейтинг курса «Практический Python: анализ данных мозга для начинающих»Рейтинг курса 5.000
Уроки в курсе «Практический Python: анализ данных мозга для начинающих»Количество уроков 32
Тесты в курсе «Практический Python: анализ данных мозга для начинающих»Количество квизов 167
Время прохождения курса «Практический Python: анализ данных мозга для начинающих»Время прохождения курса —
Обновления курса «Практический Python: анализ данных мозга для начинающих»Обновления курса — —
Дата публикации курса «Практический Python: анализ данных мозга для начинающих»Дата публикации курса — ———
Последнее обновление курса «Практический Python: анализ данных мозга для начинающих»Последнее обновление — ———
Сложность easy — ———

Содержание курса

Разделы в курсе «Практический Python: анализ данных мозга для начинающих» 8 разделов Уроки в курсе «Практический Python: анализ данных мозга для начинающих» 32 урока Тесты в курсе «Практический Python: анализ данных мозга для начинающих» 167 тестов Время прохождения курса «Практический Python: анализ данных мозга для начинающих» 5 ч. Последнее обновление курса «Практический Python: анализ данных мозга для начинающих» обн. 31 мая 2026

1. Вступление

2 урока
Открытый
1.1 О курсе ↗
46
26
5м 46с
0
Открытый
1.2 Конспект модуля ↗
30
24
0м 19с
0

2. Введение в мозг

4 урока
Закрытый
2.1 Как работает наш мозг ↗
28
23
16м 55с
0
Закрытый
2.2 Нейроны ↗
24
22
28м 21с
0
Закрытый
2.3 Методы нейровизуализации ↗
23
22
15м 46с
0
Закрытый
2.4 Конспект модуля ↗
24
21
0м 17с
0

3. ЭЭГ, нейроинтерфейсы, MNE-Python

4 урока
Закрытый
3.1 ЭЭГ ↗
24
21
18м 35с
0
Закрытый
3.2 Нейроинтерфейсы ↗
23
22
17м 28с
0
Закрытый
3.3 MNE-Python ↗
24
19
22м 2с
0
Закрытый
3.4 Конспект модуля ↗
22
20
0м 13с
0

4. Предобработка ЭЭГ

6 уроков
Закрытый
4.1 Частота дискретизации и ресемплинг ↗
22
20
13м 42с
0
Закрытый
4.2 Плохие каналы ↗
21
19
7м 31с
0
Закрытый
4.3 Монтаж и референс ↗
21
18
10м 20с
0
Закрытый
4.4 Фильтрация ↗
20
17
9м 8с
0
Закрытый
4.5 Эпохирование и бейзлайн коррекция ↗
21
17
17м 6с
0
Закрытый
4.6 Конспект модуля ↗
21
18
0м 15с
0

5. Спектральный анализ, FFT

5 уроков
Закрытый
5.1 Быстрое преобразование Фурье (FFT) ↗
20
14
18м 39с
0
Закрытый
5.2 Плотность спектральной мощности (PSD) ↗
18
8
16м 56с
0
Закрытый
5.3 Базовые частотные признаки ↗
18
15
14м 26с
0
Закрытый
5.4 Aliasing, методы борьбы ↗
18
16
10м 53с
0
Закрытый
5.5 Конспект модуля ↗
18
18
0м 12с
0

6. Удаление артефактов, ICA

5 уроков
Закрытый
6.1 Артефакты в ЭЭГ ↗
19
10
26м 4с
0
Закрытый
6.2 Метод главных компонент (PCA) ↗
18
9
14м 28с
0
Закрытый
6.3 Метод независимых компонент (ICA) ↗
18
14
16м 33с
0
Закрытый
6.4 Signal-to-Noise ratio (SNR) ↗
17
12
9м 22с
0
Закрытый
6.5 Конспект модуля ↗
16
15
0м 14с
0

7. [Проект] Анализ вызванных потенциалов, ERP

4 урока
Закрытый
7.1 Теория ↗
12
0
16м 1с
0
Закрытый
7.2 Практика ↗
9
0
5м 18с
0
Закрытый
7.3 GitHub и портфолио ↗
8
1
6м 1с
0
Закрытый
7.4 Конспект модуля ↗
9
3
-
0

8. [Бонус] Итоги курса и дальнейшие шаги

2 урока
Закрытый
8.1 Завершение ↗
9
7
2м 7с
0
Закрытый
8.2 Список литературы ↗
7
5
-
0