
<html><head><meta http-equiv="Content-Type" content="text/html; charset=UTF-8" /></head><body style='font-size: 14pt; font-family: "Book Antiqua",Palatino,serif'>

<p>-------- Mensaje original --------</p>

<table border="0" cellspacing="0" cellpadding="0">

<tbody>

<tr>

<th align="right" valign="baseline" nowrap="nowrap">Asunto:</th>

<td>Fwd: [info.statphys] Post doc in statistical physics, machine learning and protein sequence analysis</td>

</tr>

<tr>

<th align="right" valign="baseline" nowrap="nowrap">Fecha:</th>

<td>2018-05-25 10:36</td>

</tr>

<tr>

<th align="right" valign="baseline" nowrap="nowrap">Remitente:</th>

<td>Mariela Portesi <mariela.portesi@gmail.com></td>

</tr>

<tr>

<th align="right" valign="baseline" nowrap="nowrap">Destinatario:</th>

<td>Secretaria del Dpto.de Física <secre2@fisica.unlp.edu.ar></td>

</tr>

</tbody>

</table>

<!-- html ignored --><!-- head ignored --><!-- meta ignored -->

<div dir="auto">

<div><br />Para difusion.<br /><br />

<div class="gmail_quote">

<div dir="ltr">---------- Forwarded message ---------<br />From: <<a href="mailto:cocco@lps.ens.fr">cocco@lps.ens.fr</a>><br />Date: vie., 25 de may. de 2018 4:42 AM<br />Subject: [info.statphys] Post doc in statistical physics, machine learning and protein sequence analysis<br /><br /></div>

<br /><br />Dear colleague,<br /> <br /> We are looking for a post-doctorant on statistical physics and machine<br /> learning, both on theoretical aspects and on applications to the analysis<br /> of protein and RNA sequence data. The post-doc will be located in the<br /> Department of Physics at the Ecole Normale Superieure in Paris, under the<br /> supervision of S. Cocco and R. Monasson. The duration of the position is<br /> of two years.<br /> <br /> >From a theoretical point of view, the post-doc will develop machine<br /> learning tools and will apply statistical physics methods and concepts to<br /> better understand how such machines operate and learn from data.<br /> Different unsupervised architectures will be studied and compared,<br /> including Boltzmann Machines, Restricted Boltzmann Machines, and<br /> Autoencoders.<br /> <br /> >From an applied point of view, sequence data are accumulating thanks to<br /> massive sequencing technologies. The goal of the post-doctoral project<br /> will be to learn models of protein or RNA families from the corresponding<br /> sequence data, with special emphasis on the understanding of sequence to<br /> function relation, and on the prediction of mutational effect and<br /> mutational paths. The study will in particular concentrate on predicting<br /> mutational effects and mutational paths in the trypsin enzyme.<br /> Theoretical predictions will be compared with high-throughput screening<br /> of mutational effects by the C. Nizak and O. Rivoire at College de<br /> France.<br /> <br /> Post-doc candidates are expected to have solid knowledge in statistical<br /> physics, inference methods and data analysis, and both analytical and<br /> computer programming skills. Moreover he/she should have a deep interest<br /> and possibly a previous experience in computational biology and/or<br /> bioinformatics.<br /> <br /> Applications should be sent by email to <a href="mailto:cocco@lps.ens.fr" rel="noreferrer">cocco@lps.ens.fr</a> or<br /> <a href="mailto:monasson@lpt.ens.fr" rel="noreferrer">monasson@lpt.ens.fr</a> by July 30, 2018.<br /> <br /> Please help us distribute this announcement.<br /> <br /> best regards,<br /> Simona Cocco and Rémi Monasson<br /> <br /> </div>

</div>

</div>

</body></html>