© Lukas Gehrke

Computational Neuroscience, M.Sc.

Kurzprofil

Computational Neuroscience ist eine junge, wachsende Disziplin im spannenden Bereich der Neurowissenschaften. Sie verwendet theoretische Ansätze aus einer Vielzahl von Disziplinen, wie Mathematik, Physik, Informatik und Ingenieurwesen, um das Gehirn zu verstehen. Computational Neuroscience bündelt Experimente, Datenanalyse und Modellierung. Darüber hinaus stellt sie eine wissenschaftliche Sprache zur Verfügung, die fach- und ebenenübergreifend von der Neurobiologie, den Kognitionswissenschaften und der Informationstechnologie verwendet werden kann. Computational Neuroscience kann so an der Lösung altbekannter Forschungsfragen mitwirken, zu besseren Präventions- und Behandlungsstrategien für neuronale Erkrankungen beitragen, zu einheitlichen Konzepten über biologische Prozesse führen, Informationstechnologien und Mensch-Maschine-Interaktionen vorantreiben und nicht zuletzt neue Erkenntnisse für die Gestaltung effizienter Lehr- und Lernstrategien liefern.

Computational Neuroscience ist ein gemeinsamer Studiengang der TU Berlin und der Humboldt-Universität zu Berlin, organisiert vom Bernstein Zentrum für Computational Neuroscience Berlin.

AbschlussMaster of Science
Regelstudienzeit 4 Semester
Leistungspunkte120
Studienbeginn Wintersemester
Zulassung zulassungsbeschränkt
Lehrsprache Englisch

Zugangsvoraussetzungen

Bewerben können sich alle Studierenden, die sich für die Neurowissenschaften interessieren und über einen soliden mathematischen Hintergrund verfügen. Entsprechend dem interdisziplinären Charakter der Computational Neuroscience werden Studierende aus verschiedenen Disziplinen wie Naturwissenschaften, Ingenieurwissenschaften oder Mathematik ermutigt, sich zu bewerben.

Für eine Bewerbung ist Folgendes erforderlich:

  • Bachelor- oder gleichwertiger berufsqualifizierender Abschluss, z. B. ein deutsches Diplom (jedoch kein Vordiplom), typischerweise im Bereich Naturwissenschaften, in einem Ingenieurfach oder der Mathematik,
  • gute Englischkenntnisse über B.2-Niveau - Nicht-Muttersprachler*innen sollten dies folgendermaßen belegen:
  • TOEFL-Test (570 Punkte im papierbasierten, 230 Punkte im computerbasierten oder 88 Punkte im internetbasierten TOEFL)
  • Cambridge Certificate of English: Advanced (CAE, mindestens Note C)
  • IELTS, mindestens Note 6.5
  • TOEIC, mindestens 785 Punkte (395 Punkte in jeder Sektion)
  • UniCert III (mindestens Note 3,0)
  • oder ein gleichwertiges Zertifikat wie z. B. ein Nachweis, dass Ihr bisheriges Studium in einem internationalen Studiengang mit Englisch als Unterrichtssprache durchgeführt wurde (nur ein Interview reicht nicht aus)
  • ausreichende mathematische Kenntnisse (mindestens 24 Leistungspunkte), insbesondere in linearer Algebra (mindestens 6 Leistungspunkte), Analyse/Calculus einschließlich dynamischer Systeme (mindestens 6 Leistungspunkte), Wahrscheinlichkeitstheorie und Statistik (mindestens 6 Leistungspunkte).

Folgendes wird bei einer Bewerbung für den Studiengang empfohlen, ist jedoch nicht vorgeschrieben:

  • Vorkenntnisse im Bereich Neurowissenschaften. Sind keine Vorkenntnisse vorhanden, sollten Sie zumindest die einführenden Kapitel von E. Kandel u. a. „Principles of Neural Science“ lesen.
  • Vorkenntnisse im Bereich Programmieren.

Auf den folgenden Seiten finden Sie weitere Informationen zu den Zugangsvoraussetzungen und -verfahren.


Studienverlauf

Im ersten Studienjahr erwerben Sie ein hohes Maß an Kompetenz in den grundlegenden Bereichen des Studiengangs. Das zweite Studienjahr ist stark forschungsorientiert, Labor-Rotationen und die Masterarbeit inbegriffen.

Grundlagen (erstes und zweites Semester)

Die Module „Models of Neural Systems“ (12 LP), „Models of Higher Brain Functions“ (12 LP) sowie „Acquisition and Analysis of Neural Data“ (12 LP) behandeln jeweils sowohl die theoretischen als auch die experimentellen Aspekte des jeweiligen Gebiets. Das Modul „Machine Intelligence“ (12 LP) behandelt Themen des maschinellen Lernens und der künstlichen neuronalen Netze. Das Modul „Programming Course and Project“ (6 LP) vermittelt Ihnen eine Programmiersprache und wie man sie verwendet, um ein größeres Programm definieren, entwickeln, dokumentieren und testen zu können. Darüber hinaus haben Sie innerhalb der ersten beiden Semester die Möglichkeit, durch ein individuelles, auf ihre Bedürfnisse zugeschnittenes Studium mit Hilfe ihrer Mentor*innen Wissenslücken zu schließen.

Forschungsorientierte Phase (drittes und viertes Semester)

Das 3. Semester ist den Labor-Rotationen gewidmet. Jede/r Studierende nimmt an Forschungsprojekten in drei verschiedenen Laboratorien des Bernstein Zentrums teil. Jedes der drei Projekte dauert ca. zwei Monate (3 x 9 LP). Die Projekte sind so zugeschnitten, dass sie intensive praktische Erfahrungen vermitteln. Sie führen individuelle Forschungsprojekte durch und werden von leitenden Wissenschaftler*innen betreut. Die drei Projekte umfassen mindestens ein theoretisches und ein experimentelles Projekt. Darüber hinaus absolvieren Sie einen Pflichtkurs zu ethischen Fragen und den gesellschaftlichen Auswirkungen der Hirnforschung (3 LP).

Das 4. Semester ist vor allem der Masterarbeit gewidmet (20 LP) und wird durch Lehrveranstaltungen zu weiterführenden Themen ergänzt (10 LP). Die Masterarbeit wird mit einem mündlichen Vortrag (Verteidigung) abgeschlossen.

Für zugelassene Studierende bietet das BCCN Berlin auch Vorbereitungskurse in Mathematik und Neurobiologie an, die vor Beginn des Wintersemesters von September bis Oktober, stattfinden.

Für den Studiengang gibt es einen empfohlenen Studienverlaufsplan.

Inhalte & Module

Das Studium ist in Modulen aufgebaut. Ein Modul behandelt ein bestimmtes Thema unter Anwendung verschiedener Lehrmethoden (siehe unten). Der durchschnittliche Arbeitsaufwand jedes Moduls wird in Leistungspunkten angegeben. Ein Leistungspunkt wird in Übereinstimmung mit dem European Credit Transfer and Accumulation System - ECTS definiert, d.h. 30 Stunden Studienzeit entsprechen einem Leistungspunkt. Das Masterstudium beinhaltet insgesamt 120 Leistungspunkte, wobei jedes der vier Semester 30 Leistungspunkte, d.h. 900 Arbeitsstunden umfasst. Nach jedem Modul wird eine Prüfung abgelegt.

Folgende Lehrmethoden werden im Masterstudiengang angewandt:

  • Vorlesungen
  • Übungen (Lösen analytischer und mathematischer Übungen, Lösen von Programmieraufgaben)
  • Praktika, (experimentelle Laborarbeit)
  • Projekte, (Programmierprojekte)
  • Seminare

Innerhalb eines Moduls ergänzen sich die verschiedenen Lehrmethoden, indem verschiedene Aspekte desselben Themas abgedeckt werden.

Eine aktuelle Übersicht aller Module des Masterstudiengangs in Form einer Modulliste finden Sie im sogenannten Modultransfersystem der TU Berlin (MTS). In dieser Moduldatenbank erhalten Sie einen Überblick, welche Module verpflichtend sind und welche frei gewählt werden können. Des Weiteren finden Sie dort ausführliche Modulbeschreibungen inklusive Modulinhalte, Lernziele, Teilnahmevoraussetzungen, Arbeitsaufwand, Prüfungsform etc. Die Modulliste orientiert sich immer an der Studien- und Prüfungsordnung.

Zur Moduldatenbank

Praktika

Im 2. Studienjahr absolvieren Sie drei Labor-Rotationen in verschiedenen Forschungslabors.

Sie werden in Fähigkeiten geschult, die für eine erfolgreiche, unabhängige Forschung erforderlich sind. Unter der Leitung einer gastgebenden Forschungsgruppe lernen Sie, wie man ein wissenschaftliches Problem richtig angeht und Forschungsergebnisse wissenschaftlich fundiert präsentiert. Zu den in diesem Modul geschulten Fähigkeiten gehören: Literaturrecherche, Formulieren wissenschaftlicher Hypothesen, Projekt- und Versuchsplanung/rechnerische Untersuchungen, dazugehörige Dokumentation (Laborbuch), kritische Bewertung und Interpretation der Ergebnisse, Verfassen von Berichten und mündliche Präsentation sowie Schulung sozialer Kompetenz in Zusammenarbeit mit der gastgebenden Forschungseinheit.

Auslandsaufenthalt

Ein Teil des Studiums kann im Ausland durchgeführt werden. Dies lässt sich ohne Weiteres in die Forschungsphase des Studiums integrieren, bei der eine Labor-Rotation oder die Masterarbeit in einem Forschungslabor im Ausland durchgeführt werden kann. Die Koordinationsstelle des Studiengangs berät bei der Organisation der Auslandsaufenthalte.

Erworbene Kompetenzen

Ziel des interdisziplinären Masterstudiengangs Computational Neuroscience ist es, die im Rahmen des ersten Studiengangs erworbenen Kenntnisse, Fähigkeiten und Fertigkeiten über die Eigenschaften und Funktionen neuronaler Systeme thematisch zu bündeln, zu vertiefen und systematisch zu ergänzen. Die Ausbildung befähigt Sie, wissenschaftlich auf hohem Niveau zu arbeiten und Ihr erworbenes Wissen in die Anwendungsbereiche der Computational Neuroscience, die Gesundheitswissenschaften und die IT einzubringen. Der Studiengang ist forschungsorientiert und eng mit der aktuellen Forschung verbunden.

Mit dem Studium werden Sie in die Lage versetzt:

  • neue theoretische Konzepte zur Funktion neuronaler Systeme zu entwickeln,
  • mathematische Modelle neuronaler Systeme in enger Abstimmung mit der experimentellen und klinischen Forschung aufzustellen, zu bewerten und zu untersuchen,
  • neue experimentelle Paradigmen aus theoretischen Konzepten und mathematischen Modellen zu entwickeln,
  • experimentelle und klinische Methoden durch die Entwicklung neuer Verfahren zur Datenerfassung und -analyse zu verbessern,
  • einen Ideentransfer zwischen dem Studium neuronaler Systeme und IT-Anwendungen durchzuführen - vor allem im Bereich der maschinellen Intelligenz,
  • die erworbenen Technologien auch im klinischen Bereich einzusetzen,
  • sich mit den ethischen und sozialen Folgen dieser Forschungsrichtung zu befassen.

Diese Studienziele verlangen, dass:

  • der Transfer von Fachwissen theoretische, methodische und experimentelle Grundlagen umfasst,
  • die Fähigkeit zu interdisziplinärem wissenschaftlichem Arbeiten und zu einer erfolgreichen theoretisch-experimentellen Zusammenarbeit in wissenschaftlichen Projekten („Labor-Rotationen“) geschult wird,
  • die Studierenden mit möglichen Einsatzgebieten in den Bereichen IT und Gesundheitswissenschaften vertraut gemacht werden und ihre Kenntnisse in diesen Bereichen vertiefen können,
  • soziale Kompetenz für die interdisziplinäre Arbeit in gemeinsamen Projekten entwickelt wird.

Ein besonderer Schwerpunkt liegt daher auf der umfangreichen praktischen Arbeit im Rahmen von Labor-Rotationen sowie auf der Masterarbeit, bei der Sie - zusammen mit Ihrer betreuenden Arbeitsgruppe - an aktuellen Forschungsfragen arbeiten sollen. Sie werden ausdrücklich angewiesen, kombinierte experimentaltheoretische Projekte durchzuführen; die Grundlagen hierfür werden in den Lehrveranstaltungen des ersten Jahres vermittelt, in denen theoretische, experimentelle und anwendungsorientierte Fächer miteinander kombiniert werden. Den gestiegenen Anforderungen an die Qualität der Ausbildung aufgrund des interdisziplinären Charakters des Studiengangs wird ein Team an Lehrkräften gerecht, zu dem Dozent*innen aus dem theoretischen Bereich, dem Bereich der experimentellen Neurowissenschaften und dem klinischen Bereich gehören.

Darüber hinaus sollen diese Sie lehren, Ihr Fachgebiet im sozialen Kontext zu sehen und Ihre Verantwortung in diesem Umfeld wahrzunehmen. Kreative Zusammenarbeit in interdisziplinären Gruppen sowie Genderkompetenz sollen durch Projekt- und Teamarbeit gefördert werden.

Perspektiven nach dem Studium

Das Haupteinsatzgebiet von Absolvent*innen des Studiengangs ist die Forschung, sei es im Bereich akademische Forschung oder der Industrie. Der Schwerpunkt dieser Forschung kann auf den Neurowissenschaften selbst liegen, er kann aber auch auf die Weiterentwicklung von Methoden in den Bereichen Neurowissenschaften, maschinelles Lernen oder künstliche Intelligenz gerichtet sein bzw. können diese Methoden auch auf anderen Gebieten eingesetzt werden, z.B. als Datenwissenschaftler*in.

Weitere Informationen & Downloads

Weitere Informationen zum Studiengang: Website des Studiengangs