Μαθηματικό ή Φυσικό για μετέπειτα μεταπτυχιακό στις νευροεπιστήμες;

[giannis8krono]

Και το μαθηματικό είναι εξαιρετική επιλογή πάντως εαν κάποιον τον ενδιαφέρει αποκλειστικά η επεξεργασία σήματος. Στην πράξη ούτως η άλλως σπάνια κάποιος θα ασχοληθεί με το υλικό και την επεξεργασία σήματος ταυτόχρονα(χωρίς να σημαίνει οτι δεν μαθαίνεις κάποια βασικά απο το καθένα). Απλώς θεωρώ προτιμότερο το ημμυ και το φυσικό γιατί σου δίνουν πιο ευρείς γνώσεις και σου προσφέρουν περισσότερες επιλογές.

Ποια ειναι τα καλυτερα τμηματα φυσικης και μαθηματικων για μετέπειτα αναλυση σημάτων?

 

[Samael]

Ποια ειναι τα καλυτερα τμηματα φυσικης και μαθηματικων για μετέπειτα αναλυση σημάτων?

Για μεταπτυχιακό εννοείς ;

 

[giannis8krono]

Για μεταπτυχιακό εννοείς ;

Για προπτυχιακό, δηλαδη αν υπαρχει καποιο με μαθηματα που συναδουν με την αναλυση σηματων.

 

[Samael]

Για προπτυχιακό, δηλαδη αν υπαρχει καποιο με μαθηματα που συναδουν με την αναλυση σηματων.

Απο οτι βλέπω εδώ στα γρήγορα, δεν προσφέρει κάποιο μαθηματικό σε Πάτρα, Ιωάννινα και Αθήνα κάτι σχετικό στο προπτυχιακό. Ίσως μεταπτυχιακά μόνο. Πάντως σου δίνει σαν τμήμα καλό υπόβαθρο να ασχοληθείς με αυτόν τον τομέα, αυτό εννοούσα.

 

[Alexecon1991]

Τι σχέση έχει το μαθηματικό και το φυσικό με τις νευροεπιστήμες ?
Βιολογία προφανώς

 

[Samael]

Τι σχέση έχει το μαθηματικό και το φυσικό με τις νευροεπιστήμες ?
Βιολογία προφανώς

Σωστή παρατήρηση, την σκεφτόμουν.
Νομίζω οτι ο θεματοθέτης θέλει να ασχοληθεί με την υπολογιστική νευροεπιστήμη λογικά και όχι την νευροεπιστήμη σκέτο και γενικά και αόριστα. Σε αυτή την περίπτωση υπάρχει άμεση συσχέτιση με τα τμήματα που έχουν αναφερθεί, ιδίως ερευνητικά.

Αλλά πράγματι πρέπει να το προσδιορίσει τι ακριβώς έχει στο μυαλό του.
Αν ας πούμε θέλει να αναπτύσσει μοντέλα κτλπ. ακόμα και αυτό που του είπε ο Τσέστερ, οτι δεν χρειάζεται τόσο έμφαση στα μαθηματικά δεν ισχύει. Εαν απο την άλλη θέλει να ασχοληθεί με modalities είναι πάλι άλλο πράγμα. Η ανάλυση των βιοσημάτων είναι πάλι άλλη περιοχή. Η κλινική μελέτη είναι καθαρά ιατρικό, η θεωρητική μελέτη είναι πιο πολύ βιολογία κ.ο.κ.

 

[chester20080]

Αλλά πράγματι πρέπει να το προσδιορίσει τι ακριβώς έχει στο μυαλό του.
Αν ας πούμε θέλει να αναπτύσσει μοντέλα κτλπ. ακόμα και αυτό που του είπε ο Τσέστερ, οτι δεν χρειάζεται τόσο έμφαση στα μαθηματικά δεν ισισχύει

Ποιο δεν ισχυει;
Δεν χρειάζεται τα μαθηματικά του μαθηματικού για να χρησιμοποιήσει μοντέλα σε πρόγραμμα στον υπολογιστή για να προσεγγισει νευροφυσιολογικες λειτουργίες. Δεν θα κάνει ποτέ φουριε στο χέρι ούτε κάτι παρόμοιο, όλα θα τα κάνουν τα προγράμματα εσωτερικά. Το να μάθει να κατανοεί τι κάνει ο φουριε κλπ σαν υπόβαθρο εικάζω πως θα το μάθει έτσι κι αλλιώς στο φυσικό
Με λίγα λόγια προτιμότερο να πάει φυσικό και να διαβάσει κάποια μαθηματικά παραπάνω μόνος του παρά το αντίστροφο. Από το φυσικό έχει περισσότερες διεξόδους να ασχοληθεί με κάτι βιοϊατρικό.

 

[Samael]

Ποιο δεν ισχυει;
Δεν χρειάζεται τα μαθηματικά του μαθηματικού για να χρησιμοποιήσει μοντέλα σε πρόγραμμα στον υπολογιστή για να προσεγγισει νευροφυσιολογικες λειτουργίες.

Εαν πρόκειται να τα αναπτύξει ή να δουλέψει πάνω σε μια νέα αριθμητική μέθοδο χρειάζονται(ειδικά εφόσον μιλάμε για υπολογιστική νευροεπιστήμη). Και εδώ ο μαθηματικός έχει και πολύ καλό υπόβαθρο να τον στηρίξει μάλιστα !

Ακόμα όμως και να μην δουλεύεις πάνω σε κάτι τέτοιο, πάλι είναι πολύ σημαντική η μαθηματική παιδεία. Δεν μπορεί ο οποιοσδήποτε να λύσει αυτά τα προβλήματα εαν δεν έχει καλές βάσεις στα υπολογιστικά μαθηματικά και εμπειρία στις προσομοιώσεις. Υπάρχει κόσμος που χτίζει την καριέρα του πάνω σε αυτά. Όπως λέμε οτι ο κώδικας είναι τόσο καλός όσο ο προγραμματιστής που τον γράφει, έτσι και τα αποτελέσματα της προσομοίωσης είναι τόσο καλά όσο έμπειρος είναι ο μηχανικός που τις τρέχει.

Στο λεω επειδή έχω κάνει τέτοια δουλειά και δεν πατάς ένα κουμπάκι και γίνονται όλα. Θέλει εμπειρία και γνώσεις για να πάρεις γρήγορα και σωστά αποτελέσματα !

Δεν θα κάνει ποτέ φουριε στο χέρι ούτε κάτι παρόμοιο, όλα θα τα κάνουν τα προγράμματα εσωτερικά. Το να μάθει να κατανοεί τι κάνει ο φουριε κλπ σαν υπόβαθρο εικάζω πως θα το μάθει έτσι κι αλλιώς στο φυσικό
Με λίγα λόγια προτιμότερο να πάει φυσικό και να διαβάσει κάποια μαθηματικά παραπάνω μόνος του παρά το αντίστροφο. Από το φυσικό έχει περισσότερες διεξόδους να ασχοληθεί με κάτι βιοϊατρικό.

Ως προς αυτό με βρίσκεις απόλυτα σύμφωνο. Σίγουρα κάποιος θα μπορούσε να φέρει ένσταση, αλλά και εγώ θεωρώ προτιμότερο να παιδευτείς με τα μαθηματικά αργότερα παρά να ξέρεις πολλά μαθηματικά και να έχεις ελλιπή φυσική διαίσθηση.

 

[giannis8krono]

Εαν πρόκειται να τα αναπτύξει ή να δουλέψει πάνω σε μια νέα αριθμητική μέθοδο χρειάζονται(ειδικά εφόσον μιλάμε για υπολογιστική νευροεπιστήμη). Και εδώ ο μαθηματικός έχει και πολύ καλό υπόβαθρο να τον στηρίξει μάλιστα !

Ακόμα όμως και να μην δουλεύεις πάνω σε κάτι τέτοιο, πάλι είναι πολύ σημαντική η μαθηματική παιδεία. Δεν μπορεί ο οποιοσδήποτε να λύσει αυτά τα προβλήματα εαν δεν έχει καλές βάσεις στα υπολογιστικά μαθηματικά και εμπειρία στις προσομοιώσεις. Υπάρχει κόσμος που χτίζει την καριέρα του πάνω σε αυτά. Όπως λέμε οτι ο κώδικας είναι τόσο καλός όσο ο προγραμματιστής που τον γράφει, έτσι και τα αποτελέσματα της προσομοίωσης είναι τόσο καλά όσο έμπειρος είναι ο μηχανικός που τις τρέχει.

Στο λεω επειδή έχω κάνει τέτοια δουλειά και δεν πατάς ένα κουμπάκι και γίνονται όλα. Θέλει εμπειρία και γνώσεις για να πάρεις γρήγορα και σωστά αποτελέσματα !

Ως προς αυτό με βρίσκεις απόλυτα σύμφωνο. Σίγουρα κάποιος θα μπορούσε να φέρει ένσταση, αλλά και εγώ θεωρώ προτιμότερο να παιδευτείς με τα μαθηματικά αργότερα παρά να ξέρεις πολλά μαθηματικά και να έχεις ελλιπή φυσική διαίσθηση.

Ποια προχωρημένα μαθηματικά, που δεν διδασκονται στα ημμυ ειναι χρησιμα, και ισως, τι υποβαθρο χρειάζονται?

 

[Samael]

Ποια προχωρημένα μαθηματικά, που δεν διδασκονται στα ημμυ ειναι χρησιμα, και ισως, τι υποβαθρο χρειάζονται?

Τα απαραίτητα εργαλεία τα μαθαίνεις όλα. Λογικό νομίζω αφού κατά κύριο λόγο οι μηχανικοί αναπτύσσουν πραγματικά συστήματα και όχι οι μαθηματικοί.

Αλλά...Αγγίζεις ένα όμορφο θέμα.
Γενικά στο ημμυ η προσέγγιση γίνεται απο εφαρμοσμένη σκοπιά.
Κάποια πράγματα δηλαδή μπορεί να θέλουν εβδομάδες διαλέξεων για να αποδειχτούν και να μην προσφέρουν ιδιαίτερα παραπάνω κατανόηση. Αυτά ας πούμε στο ημμυ γίνονται skipped, θα προτιμήσουν να φάνε την ώρα να καταλάβεις τι κάνουν τα διάφορα εργαλεία, πως εφαρμόζονται, ποια είναι τα όρια τους, και να σε εξοικειώσουν με την εφαρμογή τους σε πραγματικά προβλήματα, και την σημασία τους, παρά να σου δείξουν την διαδικασία για να φτάσεις στα πορίσματα. Φυσικά δεν σε αφήνουν να παπαγαλίσεις, σου δίνουν πολύ γερές διαισθητικές εξηγήσεις γιατί ισχύουν. Απλά δεν θα μπουν σε "αποδεικτικές λεπτομέρειες" που είναι καθαρά μαθηματικής φύσεως και αποσπούν απο την σπουδαιότητα των ίδιων των πορισμάτων απο την σκοπιά της εφαρμογής. Κοινώς εαν κάτι είναι προφανές βάσει διαίσθησης δεν το αποδεικνύουμε, αφού μπορεί να το κάνει κάποιος μαθηματικός για εμάς .

Αποδείξεις κάνεις στο ημμυ σε δύο περιπτώσεις :
Α) Εαν είναι σχετικά "απλές" ή/και χρήσιμες, ιδίως για να καταλάβεις κάτι καλύτερα ή να ξέρεις να βγάζεις κάποιον τύπο χωρίς να παπαγαλίσεις κάτι.

Β) Εαν το μάθημα είναι τέτοιο που δεν έχεις άλλη επιλογή. Λόγου χάρη θεωρία πληροφορίας ή θεωρία κωδίκων είναι στην ουσία καθαρά μαθηματικά, οπότε κάνεις αποδείξεις ακριβώς όπως θα τις έκανε ο μαθηματικός.

Οι μαθηματικοί λοιπόν έχουν ένα πλεονέκτημα ερευνητικά, τουλάχιστον στην αρχή γιατί έχουν μάθει να έχουν μια σειρά, μια συνέπεια και μια τεράστια ακρίβεια αποδεικνύοντας...τα πάντα, σε συνδυασμό με πιο ευρύ γνώσεις πάνω στους διάφορους τομείς των μαθηματικών, το οποίο είναι εξαιρετικά χρήσιμο γιατί τους κάνει πιο insightful. Πολλές φορές οι μηχανικοί απο τα διάφορα πεδία δηλαδή έχουν πολύ καλές ιδέες και οι εφαρμοσμένοι μαθηματικοί αναλαμβάνουν το έργο να πάρουν αυτό που βρήκαν οι μηχανικοί οτι δούλεψε σε ένα πεδίο, και να φτιάξουν το framework, τον φορμαλισμό δηλαδή και την θεωρία, ώστε να αξιοποιηθεί συστηματικά και σε άλλα πεδία.

Τώρα απο εκεί και πέρα υπάρχει ένα gradient ικανοτήτων/γνώσεων.
Δηλαδή κάποιος που είναι ακραία βουτηγμένος στα μαθηματικά το πιο πιθανό να τον συναντήσεις ως ερευνητή, και πολύ λίγους σε τοπ εταιρίες που λύνουν πολύ εξειδικευμένα προβλήματα.

Να πω το εξής πάντως.
Ο σκοπός πάντα είναι να αναλύουμε τα προβλήματα με προχωρημένα μαθηματικά μεν(γιατί αυτό απαιτεί η φύση τους), αλλά να βρίσκουμε τρόπο να τα σπάμε σε δύο πράγματα μετά :

α) Άλγεβρα.
β) Διαγράμματα.

Εαν ρωτήσεις γιατί...η απάντηση είναι απλή : ειναι πιο εύκολο να δουλέψεις με αυτά.
Μετά αναλαμβάνουν τα λογισμικά για πιο ακριβείς προβλέψεις. Αλλά δεν θα πας να σχεδιάσεις ένα σύστημα αρχικά λύνοντας εξισώσεις με πολλαπλά ολοκληρώματα, τανυστές και δεν ξέρω και εγώ τι άλλο εννοείται .

Οπότε μπορείς να βρεις μηχανικούς να λύνουν πολύ δύσκολα προβλήματα πάρα πολύ εύκολα. Γιατί χρησιμοποιούν εκλεπτυσμένες τεχνικές που έχουν έρθει σε πιο εύκολη μορφή απο άλλους μηχανικούς(ερευνητές) οι οποίοι λειτουργούν σαν μεσάζοντας, πατάνε δηλαδή εν μέρει και στα μαθηματικά αλλά και στην μηχανική.

 

[giannis8krono]

Τα απαραίτητα εργαλεία τα μαθαίνεις όλα. Λογικό νομίζω αφού κατά κύριο λόγο οι μηχανικοί αναπτύσσουν πραγματικά συστήματα και όχι οι μαθηματικοί.

Αλλά...Αγγίζεις ένα όμορφο θέμα.
Γενικά στο ημμυ η προσέγγιση γίνεται απο εφαρμοσμένη σκοπιά.
Κάποια πράγματα δηλαδή μπορεί να θέλουν εβδομάδες διαλέξεων για να αποδειχτούν και να μην προσφέρουν ιδιαίτερα παραπάνω κατανόηση. Αυτά ας πούμε στο ημμυ γίνονται skipped, θα προτιμήσουν να φάνε την ώρα να καταλάβεις τι κάνουν τα διάφορα εργαλεία, πως εφαρμόζονται, ποια είναι τα όρια τους, και να σε εξοικειώσουν με την εφαρμογή τους σε πραγματικά προβλήματα, και την σημασία τους, παρά να σου δείξουν την διαδικασία για να φτάσεις στα πορίσματα. Φυσικά δεν σε αφήνουν να παπαγαλίσεις, σου δίνουν πολύ γερές διαισθητικές εξηγήσεις γιατί ισχύουν. Απλά δεν θα μπουν σε "αποδεικτικές λεπτομέρειες" που είναι καθαρά μαθηματικής φύσεως και αποσπούν απο την σπουδαιότητα των ίδιων των πορισμάτων απο την σκοπιά της εφαρμογής. Κοινώς εαν κάτι είναι προφανές βάσει διαίσθησης δεν το αποδεικνύουμε, αφού μπορεί να το κάνει κάποιος μαθηματικός για εμάς .

Αποδείξεις κάνεις στο ημμυ σε δύο περιπτώσεις :
Α) Εαν είναι σχετικά "απλές" ή/και χρήσιμες, ιδίως για να καταλάβεις κάτι καλύτερα ή να ξέρεις να βγάζεις κάποιον τύπο χωρίς να παπαγαλίσεις κάτι.

Β) Εαν το μάθημα είναι τέτοιο που δεν έχεις άλλη επιλογή. Λόγου χάρη θεωρία πληροφορίας ή θεωρία κωδίκων είναι στην ουσία καθαρά μαθηματικά, οπότε κάνεις αποδείξεις ακριβώς όπως θα τις έκανε ο μαθηματικός.

Οι μαθηματικοί λοιπόν έχουν ένα πλεονέκτημα ερευνητικά, τουλάχιστον στην αρχή γιατί έχουν μάθει να έχουν μια σειρά, μια συνέπεια και μια τεράστια ακρίβεια αποδεικνύοντας...τα πάντα, σε συνδυασμό με πιο ευρύ γνώσεις πάνω στους διάφορους τομείς των μαθηματικών, το οποίο είναι εξαιρετικά χρήσιμο γιατί τους κάνει πιο insightful. Πολλές φορές οι μηχανικοί απο τα διάφορα πεδία δηλαδή έχουν πολύ καλές ιδέες και οι εφαρμοσμένοι μαθηματικοί αναλαμβάνουν το έργο να πάρουν αυτό που βρήκαν οι μηχανικοί οτι δούλεψε σε ένα πεδίο, και να φτιάξουν το framework, τον φορμαλισμό δηλαδή και την θεωρία, ώστε να αξιοποιηθεί συστηματικά και σε άλλα πεδία.

Τώρα απο εκεί και πέρα υπάρχει ένα gradient ικανοτήτων/γνώσεων.
Δηλαδή κάποιος που είναι ακραία βουτηγμένος στα μαθηματικά το πιο πιθανό να τον συναντήσεις ως ερευνητή, και πολύ λίγους σε τοπ εταιρίες που λύνουν πολύ εξειδικευμένα προβλήματα.

Να πω το εξής πάντως.
Ο σκοπός πάντα είναι να αναλύουμε τα προβλήματα με προχωρημένα μαθηματικά μεν(γιατί αυτό απαιτεί η φύση τους), αλλά να βρίσκουμε τρόπο να τα σπάμε σε δύο πράγματα μετά :

α) Άλγεβρα.
β) Διαγράμματα.

Εαν ρωτήσεις γιατί...η απάντηση είναι απλή : ειναι πιο εύκολο να δουλέψεις με αυτά.
Μετά αναλαμβάνουν τα λογισμικά για πιο ακριβείς προβλέψεις. Αλλά δεν θα πας να σχεδιάσεις ένα σύστημα αρχικά λύνοντας εξισώσεις με πολλαπλά ολοκληρώματα, τανυστές και δεν ξέρω και εγώ τι άλλο εννοείται .

Οπότε μπορείς να βρεις μηχανικούς να λύνουν πολύ δύσκολα προβλήματα πάρα πολύ εύκολα. Γιατί χρησιμοποιούν εκλεπτυσμένες τεχνικές που έχουν έρθει σε πιο εύκολη μορφή απο άλλους μηχανικούς(ερευνητές) οι οποίοι λειτουργούν σαν μεσάζοντας, πατάνε δηλαδή εν μέρει και στα μαθηματικά αλλά και στην μηχανική.

 

[chester20080]

Από ημμυ το μόνο σίγουρο ότι δε θα βγεις χαμένος, είτε είναι φυσική είτε είναι μαθηματικά είτε είναι προγραμματισμός είτε είναι μοντελοποιηση
Νόμιζα ότι είχες ως επιλογές μόνο μαθηματικό ή φυσικό, αλλά αφού μπορείς τελικά να δηλώσεις και να πιάσεις ημμυ είναι το ιδανικότερο για να πας σε neuro (πέρα από ιατρική)

 

[giannis8krono]

Από ημμυ το μόνο σίγουρο ότι δε θα βγεις χαμένος, είτε είναι φυσική είτε είναι μαθηματικά είτε είναι προγραμματισμός είτε είναι μοντελοποιηση
Νόμιζα ότι είχες ως επιλογές μόνο μαθηματικό ή φυσικό, αλλά αφού μπορείς τελικά να δηλώσεις και να πιάσεις ημμυ είναι το ιδανικότερο για να πας σε neuro (πέρα από ιατρική)

Ωστόσο, πιάνω Κρήτη, μου είπαν μεταγραφή Πάτρα μονόδρομος (για επεξεργασία σήματος) για νευροεπιστήμες, ισχύει?