Courses Organized by the Lab
Current
Kurs: Psychosoziale Modelle im Feld der „Computational Psychiatrie“ 04.-13.05.2023
Das neuartige Feld der sogenannten „Computational Psychiatrie“ hat zum Ziel, die Diagnostik und Behandlung von psychischen Erkrankungen mithilfe von computationalen Modellen zu verbessern. Dazu werden zugeschnittene Analysemethoden aus dem Bereich der künstlichen Intelligenz unter Verwendung von „Big Data“ verwendet. Ein besonderer Schwerpunkt liegt dabei auf dem besseren Verständnis psychosozialer Herausforderungen. In diesem Seminar erhalten Sie einen Überblick über diese verschiedenen Ansätze sowie deren Möglichkeiten und Herausforderungen: Wie können computationale Modelle soziale Dysfunktionen abbilden? Wie funktionieren sie? Wie können sie zu einer besseren Diagnostik und Behandlung beitragen? Sie lernen ganz konkret anhand von ausgewählten Beispielen, wie einfache Modelle (in Python) programmiert werden können. Diese Beispiele sind ohne Vorkenntnisse verständlich. Der Kurs findet als Blockseminar an zwei Donnerstagsterminen (15:15-18:30) und zwei Samstagsterminen (9:00-18:00) statt.
Previous
Course on Computational Psychiatry: Heidelberg 12.-14.05.2022
Focus Topic: Reinforcement Learning Models on Social Learning
This course was organized within the framework of the 4EU+ European University Alliance.
Topics
In this three-day course, we gained insights into the burgeoning field of computational psychiatry, its promises and pitfalls. The course consisted of a mixture of theoretical lectures on recent findings and practical sessions on programming (in Python).
Specifically, we learned the basics of how to use reinforcement models for analyzing behavioral datasets from human participants and how these models can help to understand psychiatric disorders. Furthermore, we gained hands-on experience with programming such models with example datasets that cover experiments on social learning about other persons’ character traits and preferences.
All course materials (lectures and hands-on exercises) can be found here.