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'Université de Californie à Berkeley en 2019 sous la direction du professeur Trevor Darrell. Durant ses études, il a été le développeur principal du framework open source d'apprentissage profond Caffe, de la version 0.1 à la version 1.0. Avant son doctorat, il a obtenu un double baccalauréat en informatique (spécialisation en intelligence artificielle) et en psychologie à l'Université du Massachusetts à Amherst, sous la direction d'Erik Learned-Miller. Après son doctorat, il a travaillé pendant cinq ans comme chercheur chez Google DeepMind et Adobe, à Cambridge (Massachusetts), Londres (Royaume-Uni) et San Francisco (Californie). En 2025, il est revenu au Canada et a repris ses activités universitaires.

Ses recherches portent sur la vision, l'apprentissage et l'adaptation : comment identifier et localiser les informations utiles dans les données visuelles telles que les images, puis les mettre à jour en fonction des changements dans les données. Ses travaux et son engagement ont été récompensés par des prix internationaux, notamment une mention honorable pour le meilleur article à CVPR'15 et le prix « Test-of-Time » à CVPR'25 pour les réseaux de neurones entièrement convolutifs, ainsi que le prix Mark Everingham à ICCV'17, le prix du logiciel libre à MM'14 et le prix « Test-of-Time » à MM'24 pour Caffe. Son objectif est de permettre aux modèles d'apprentissage machine et à la communauté scientifique d'adopter une approche proactive, de se perfectionner en continu et d'apprendre sans cesse.