IIMAS, UNAM
Cuando hablamos de Inteligencia Artificial o Aprendizaje Máquina nos referimos a algoritmos y modelos que permiten el aprendizaje automático a través de la experiencia al entrenar dichos algoritmos sobre un conjunto de datos o casos. Sin embargo, la mayoría de estos algoritmos generan soluciones las cuales no son “interpretables”, es decir, es difícil entender cómo se llega a dichas soluciones o qué variables y cómo están involucradas en la solución. Programación Genética es un algoritmo de aprendizaje automático el cual genera soluciones las cuales son interpretables, genera modelos o funciones como solución, añadiendo transparencia al proceso de aprendizaje automático
Obtuvo el grado de Ingeniera en Computación por parte de la Facultad de Ingeniería de la UNAM y posteriormente realizó estudios de doctorado de 1995 a 1999 en la Universidad de Sheffield, Reino Unido en el área de Ingeniería de Sistemas. Ingresó como investigadora al IIMAS en el que labora actualmente. Sus líneas de investigación se centran en los algoritmos evolutivos y bioinspirados, optimización multicriterio combinados con procesamiento paralelo y sus aplicaciones en diversas áreas como son la Ingeniería Hidráulica, Biología, Economía, entre otras áreas. Ha dirigido tesis de doctorado, maestría y licenciatura. Asimismo, participa activamente como profesora y tutora del Posgrado en Ciencia e Ingeniería en Computación y del Posgrado en Ingeniería en Sistemas en la Facultad de Ingeniería de la UNAM. Es miembro regular de la Academia Mexicana de Computación (AMEXCOMP), Academia Mexicana de Informática, A.C. (AMIAC) y de la Academia Mexicana de Ciencias (AMC).