Investigadora y doctora en el área de inteligencia artificial. Comenzó sus estudios en Ingeniería Mecánica por la Universidad de La Rioja en 2011y los finalizó en 2015. Después completó su formación con el Máster habilitante en Ingeniería Superior Industrial por la misma Universidad de La Rioja, el cual concluyó con su proyecto fin de máster dedicado a la predicción de la concertación de fósforo en la producción de acero utilizando técnicas machine learning en 2017. En 2023 defendió su tesis doctoral en la universidad del País Vasco (UPV/EHU) en el contexto y aplicación de técnicas avanzadas de Machine Learning para mantenimiento predictivo. Su investigación está enfocada en el análisis de patrones y detección de anomalías para predecir fallos en maquinaria industrial. Trabaja en Tecnalia en la  plataforma/área de Inteligencia Artificial de la Unidad de Digital y sus principales áreas de interés de investigación son los modelos avanzados de análisis de datos para la detección de anomalías en series temporales del ámbito industrial, optimización metaheurística e hiper-heurística, métodos de clasificación, clustering, Explainable AI (XAI) y realización de modelos con confianza.