<html>
  <head>

    <meta http-equiv="content-type" content="text/html; charset=UTF-8">
  </head>
  <body>
    <p> </p>
    <p style="margin-bottom: 0cm; line-height: 100%">
      We are seeking an outstanding postdoctoral research fellow with
      experience in deep learning / machine learning to work with us at
      Caen University, France during one year on a project investigating
      the analysis of time series of data corresponding to SPD matrices.
      The challenge here will be to define machine learning methods and
      more specifically deep learning methods (either convolutional or
      recursive) to analyze these data by using all the interesting
      properties of this specific manifold.</p>
    <p style="margin-bottom: 0cm; line-height: 100%"><br>
    </p>
    <p><strong><font style="font-size: 14pt" size="4">Context</font></strong></p>
    <p>The postdoctoral position is funded for one year under the
      research project PredictAlert supported by the Region Normandy
      (France). The PredictAlert project gathers engineering schools and
      universities around the design of a better understanding of the
      brain
      states during different states of wakefulness.</p>
    <p><strong><font style="font-size: 14pt" size="4">Objectives and
          challenges</font></strong></p>
    <p>The project is based on data from a cohort being currently
      acquired. It includes EEG and MRI acquisitions performed while
      subjects are falling asleep for a nap. In both cases, an
      acquisition
      in a given time window, is characterized by a SPD matrix. Each
      entry
      of this matrix correspond either to a correlation between two
      sensors
      in the case of an EEG acquisition or a correlation between two
      brain’s zones in the case of an IRM acquisition.<br>
      In a first
      step the candidate will have to work on EEG acquisitions in order
      to
      design a deep learning algorithm predicting quantified levels of
      wakefulness along long EEG sequences. Convolutional [1, 3] or
      recurrent [2, 4] networks on the SPD manifold will be both studded
      and evaluated before a focus on the more promising approach.</p>
    <p><br>
      <br>
    </p>
    <p>While functional IRM sequences may also be characterized as time
      series of SPD matrices, these sequences are based on data with a
      much
      better spatial resolution than EEGs. This come at the price of a
      much
      lower temporal resolution compared EEG acquisitions. The candidate
      will have to adapt the work already done on EEG data to functional
      IRM datum and to compare both results.</p>
    <p><strong><font style="font-size: 14pt" size="4">Candidate profile</font></strong></p>
    <p><br>
      <br>
    </p>
    <ul>
      <li>
        <p style="margin-bottom: 0cm"> The candidate must have a recent
          Ph.D. (within 5 years) in Computer science (or Applied
          Mathematics) in the field of Machine Learning.</p>
      </li>
      <li>
        <p style="margin-bottom: 0cm"> Knowledge and experience within
          Deep Learning frameworks is highly recommended.</p>
      </li>
      <li>
        <p style="margin-bottom: 0cm"> The candidate will perform
          research and algorithmic developments and solid programming
          skills are required.</p>
      </li>
      <li>
        <p style="margin-bottom: 0cm"> Interpersonal skills and the
          ability to work well individually or as a member of a project
          team are recommended.</p>
      </li>
      <li>
        <p>Good written and verbal communication skills are required,
          the candidate has to be fluent in spoken French or English and
          written English. Working language can be English or French.</p>
      </li>
    </ul>
    <p><strong><font style="font-size: 14pt" size="4">Location</font></strong></p>
    <p><br>
      Caen, France in the GREYC UMR CNRS laboratory. Situated in
      the Normandy region of France close to the sea and about 240km
      west
      of Paris the city still has many old quarters, a population of
      around
      120,000 the city area has roughly 250,000 inhabitants. <a
href="https://caen.maville.com/info/detail-galerie_-Caen-en-images-_344_GaleriePhoto.Htm">Some
        photos</a></p>
    <p><strong><font style="font-size: 14pt" size="4">Application</font></strong></p>
    <p>Interested candidates should submit their application to</p>
    <ul>
      <li>
        <p style="margin-bottom: 0cm"><a class="moz-txt-link-abbreviated" href="mailto:luc.brun@ensicaen.fr">luc.brun@ensicaen.fr</a> and</p>
      </li>
      <li>
        <p><a class="moz-txt-link-abbreviated" href="mailto:olivier.etard@unicaen.fr">olivier.etard@unicaen.fr</a></p>
      </li>
    </ul>
    <p>Please include in your application email one Curriculum Vitae,
      one
      statement of research letter explaining your interest and your
      skills
      for this position, and 2 reference letters (all in a single PDF
      file). Applications will be admitted until the position is filled.</p>
    <p><strong><font style="font-size: 14pt" size="4">Additional
          information</font></strong></p>
    <p><br>
      <strong>Host institution:</strong> ENSICAEN, University of
      Caen Normandy and CNRS, GREYC laboratory (UMR 6072)<br>
      <strong>Gross
        Salary: </strong>between 2339 and 3268 euros per month
      according to
      experience (charges included)<br>
      <strong>Duration: </strong>12
      months.<br>
      <strong>Starting date:</strong> from January
      2020<br>
      <strong>Advantages:</strong> Possibility of French courses,
      participation in transport costs,<br>
      possibility of restoration on
      site.</p>
    <p><strong><font style="font-size: 14pt" size="4">References</font></strong></p>
    <p><br>
      [1] Rudrasis Chakraborty, Jose Bouza, Jonathan Manton, and
      Baba C Vemuri. Manifoldnet: A deep neural network for
      manifold-valued data with applications. IEEE Transactions on
      Pattern Analysis and Machine Intelligence, pages 1–1,
      2020.<br>
      [2] Rudrasis Chakraborty, Chun-Hao Yang, Xingjian Zhen,
      Monami Banerjee, Derek Archer, David Vaillancourt, Vikas Singh,
      and Baba Vemuri. A statistical recurrent model on the manifold
      of symmetric positive definite matrices. In S. Bengio, H.
      Wallach, H. Larochelle, K. Grauman, N. Cesa-Bianchi, and R.
      Garnett, editors, Advances in Neural Information Processing
      Systems, volume 31. Curran Associates, Inc., 2018.<br>
      [3] Xuan
      Son Nguyen, Luc Brun, Olivier Lezoray, and Sébastien Bougleux.
      A neural network based on SPD manifold learning for
      skeleton-based hand gesture recognition. In IEEE Conference on
      Computer Vision and Pattern Regognition (CVPR), Long Beach,
      United States, 2019.<br>
      [4] Xuan Son Nguyen, Luc Brun, Olivier
      Lézoray, and Sébastien Bougleux. Learning Recurrent High-order
      Statistics for Skeleton-based Hand Gesture Recognition. In
      International Conference on Pattern Recognition (ICPR -IEEE),
      Milan (virtual), Italy, 2021.</p>
    <p style="margin-bottom: 0cm; line-height: 100%"><br>
    </p>
    <p>
      <style type="text/css">p { margin-bottom: 0.25cm; line-height: 115%; background: transparent }a:link { color: #000080; so-language: zxx; text-decoration: underline }strong { font-weight: bold }</style></p>
  </body>
</html>