Lazar est maître de conférences à l'Université de l'Alberta, où il est rattaché à la fois au département de génie électrique et informatique et au département de biochimie, tout en occupant le poste de professeur associé en sciences de l'informatique.
Avant d'occuper ses fonctions actuelles, il était chercheur postdoctoral au Centre Eric & Wendy Schmidt du Broad Institute du MIT et de Harvard. Il a obtenu son doctorat à l'Université de Toronto, au sein du département de génie électrique et informatique. Au cours de ses études doctorales, Lazar était chercheur au Vector Institute et membre du groupe d'inférence probabiliste et statistique, où il était dirigé par Brendan Frey et co-dirigé par Bo Wang.
Son parcours professionnel comprend également plusieurs stages de recherche au sein d'institutions de premier plan et d'entreprises de biotechnologie, notamment :
Recursion Pharmaceuticals / Valence Labs
Deep Genomics
Mila – Institut québécois d'intelligence artificielle
Mes recherches portent sur le développement de méthodes d'apprentissage automatique visant à comprendre et à modéliser les systèmes naturels (physiques) à partir de données, avec un intérêt particulier pour la biologie cellulaire et moléculaire. Je m'intéresse notamment à la modélisation générative (flux et diffusion), à l'apprentissage profond, à la causalité, à la biologie unicellulaire et, depuis peu, aux protéines et aux molécules.
À la tête du laboratoire Atanackovic
Lazar dirige le laboratoire Atanackovic à l'Université de l'Alberta. Ses recherches portent sur le développement de méthodes sophistiquées d'apprentissage automatique visant à comprendre et à modéliser les systèmes physiques naturels à partir de données, en mettant principalement l'accent sur la biologie cellulaire et moléculaire.
Ses recherches portent sur l'apprentissage automatique, la modélisation générative, la causalité, la biologie des systèmes, la biologie unicellulaire et la conception de protéines et de molécules. Il associe les avancées théoriques à des applications pratiques afin de repousser les limites du possible en biologie computationnelle et en intelligence artificielle.

