Collègue

Lazar Atanackovic

Affiliations académiques

Maître de conférences – Université de l'Alberta Boursier postdoctoral Eric & Wendy Schmidt – Broad Institute du MIT et de Harvard

Affiliations à l'industrie et à la recherche

Laboratoire Atanackovic

Focus

Apprentissage automatique, modélisation générative, modèles de flux et de diffusion, biologie computationnelle, biologie des systèmes

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.

Dernières nouvelles