Evan est professeur adjoint à l’Université de la Colombie-Britannique à Vancouver et membre du corps professoral de l’Institut Vector. Il a obtenu son doctorat à l’UC Berkeley en 2019, sous la direction du professeur Trevor Darrell. Pendant cette période, il a été le développeur principal du cadre open source d’apprentissage profond Caffe, de la version 0.1 à la version 1.0. Avant le doctorat, il a obtenu des doubles diplômes en informatique (concentration en intelligence artificielle) et en psychologie à l’UMass Amherst, sous la direction d’Erik Learned-Miller. Après son doctorat, il a travaillé dans l’industrie comme chercheur scientifique pendant cinq ans chez Google DeepMind et Adobe à Cambridge (MA), Londres (Royaume-Uni) et San Francisco (CA). En 2025, il est venu au Canada et est retourné au milieu universitaire.

Ses recherches portent sur la vision, l’apprentissage et l’adaptation : comment identifier et localiser des informations utiles dans des données visuales comme les images, puis les mettre à jour lorsque ces données changent. Son travail et son service ont reçu des prix internationaux, dont la mention honorable du meilleur article au CVPR'15 et le prix test-of-time au CVPR'25 pour les réseaux entièrement convolutionnels, ainsi que le prix Mark Everingham à l’ICCV'17, le prix open source au MM'14, et le prix test-of-time au MM'24 pour Caffe. Le but de son travail est d’équiper les modèles d’apprentissage automatique et la communauté scientifique pour qu’ils regardent à deux fois, continuent de se mettre à jour et ne cessent jamais d’apprendre.