Ali Ghodsi est professeur au Département de statistique et de sciences actuarielles de l'Université de Waterloo, et professeur agrégé à l'École d'informatique Cheriton. Il dirige le Laboratoire de science des données et est membre associé du corps professoral de l'Institut Vector. Ses recherches portent sur le développement de l'apprentissage machine et de l'intelligence artificielle, autant par l'innovation théorique que par les applications pratiques.

Ses travaux s'organisent autour de quatre grands domaines : (1) les réseaux neuronaux efficaces et compressés, y compris les techniques de distillation des connaissances et de compression de modèles pour l'apprentissage profond à grande échelle ; (2) la modélisation de graphiques et de séquences, en mettant l'accent sur les méthodes qui saisissent la structure dans les données complexes ; (3) l'IA pour la science et la biomédecine, où il développe des approches d'apprentissage automatique pour la modélisation de l'action des médicaments et le séquençage des peptides ; et (4) la réduction de dimensionnalité et l'apprentissage de représentations, où il a apporté des contributions soutenues à la fois par des recherches originales et en synthétisant les fondements du domaine dans des études, des tutoriels et le manuel Elements of Dimensionality Reduction and Manifold Learning (Springer, 2023) largement utilisés.

Il est également coauteur de l'ouvrage à paraître *Elements of Deep Learning* (Springer). Outre ses publications et ses brevets, Ghodsi est reconnu pour ses cours en ligne populaires sur l'apprentissage automatique et l'intelligence artificielle , diffusés sur YouTube, qui ont permis à un large public international de découvrir des concepts avancés. Ses travaux témoignent de son engagement à concevoir des systèmes d'IA performants et évolutifs, alliant méthodologie rigoureuse et applications concrètes.