Sašo Džeroski je vodja Odseka za tehnologije znanja na Institutu »Jožef Stefan« in redni profesor na Mednarodni podiplomski šoli Jožefa Stefana v Ljubljani. Zaradi svojega pionirskega dela na področju umetne inteligence je član Evropskega združenja za umetno inteligenco EurAI. Je član Makedonske akademije znanosti in umetnosti ter član Academia Europea. Je nekdanji predsednik in sedanji podpredsednik Slovenskega društva za umetno inteligenco SLAIS.
Njegovi raziskovalni interesi se osredotočajo na razložljivo strojno učenje, računalniško znanstveno odkrivanje in semantične tehnologije, vse v kontekstu umetne inteligence za znanost. Njegova skupina je razvila metode strojnega učenja, s katerimi se iz kompleksnih podatkov ob prisotnosti domenskega znanja učijo razložljivi modeli: med njimi so metode za napovedovanje z več cilji, delno nadzorovano in relacijsko učenje, učenje iz podatkovnih tokov ter avtomatizirano modeliranje dinamičnih sistemov. Razvite metode, objavljene v odprtokodni programski opremi, se uporabljajo za reševanje pomembnih problemov v znanosti in družbi, vključno s kmetijstvom in okoljskimi znanostmi, medicino in znanostmi o življenju, fiziko in znanostmi o materialih ter vesoljskimi operacijami in opazovanjem Zemlje.
Profesor Džeroski je vodil in koordiniral številne nacionalne in mednarodne projekte (financirane s strani EU) ter sodeloval pri številnih drugih. Trenutno vodi velik nacionalni projekt z naslovom „Umetna inteligenca za znanost“. Je tudi tehnični koordinator slovenske Tovarne umetne inteligence. Delo profesorja Džeroskega je bilo obsežno objavljeno in je zelo citirano – z več kot 26500 citati in h-indexom 76 (v bazi GoogleScholar) je prof. Džeroski najpogosteje citirani informatik v Sloveniji (po lestvici Research.com za leto 2025). Vodil je številne doktorske študente (več kot 30) in postdoktorske sodelavce (več kot 15), ki so zdaj dejavni tako v akademskem okolju, kot v industriji v številnih državah na treh celinah.
V okviru projekta SQUASH ga zanima presečišče in interakcije med strojnim učenjem in kvantnim računalništvom. Ena od možnih tem sodelovanja zadeva metaučenje za avtomatizirano konfiguracijo algoritmov kvantnega strojnega učenja. Zanimive so tudi druge teme na presečišču umetne inteligence in kvantnih znanosti (npr. strojno učenje za kvantne materiale).