Ali Ghodsi est professeur au département de statistiques et de sciences actuarielles de l’Université de Waterloo, également nommé avec la Cheriton School of Computer Science. Directeur du Data Science Lab, et affilié au corps professoral du Vector Institute. Ses recherches portent sur l’avancement de l’apprentissage automatique et de l’intelligence artificielle par l’innovation théorique et des applications pratiques.

Son travail s’articule autour de quatre grands domaines : (1) réseaux de neurones efficaces et compressés, incluant la distillation des connaissances et les techniques de compression de modèles pour l’apprentissage profond à grande échelle; (2) la modélisation de graphes et de séquences, en mettant l’accent sur les méthodes qui capturent la structure dans des données complexes; (3) IA pour la science et la biomédecine, où il développe des approches d’apprentissage automatique pour la modélisation des actions des médicaments et le séquençage des peptides; et (4) réduction de dimensionnalité et apprentissage de la représentation, où il a apporté des contributions soutenues tant par des recherches originales qu’en synthétisant les fondements du domaine dans des enquêtes largement utilisées, des tutoriels et le manuel Elements of Dimensionality Reduction and Manifold Learning (Springer, 2023).

Il est également co-auteur du prochain ouvrage Elements of Deep Learning (Springer). Au-delà de ses publications et brevets, Ghodsi est largement reconnu pour ses cours populaires sur YouTube sur l’apprentissage automatique et l’IA, qui ont introduit des concepts avancés à un large public international. Son travail reflète un engagement à construire des systèmes d’IA évolutifs et percutants qui relient une méthodologie rigoureuse à des applications concrètes.