María Arostegi obtuvo su licenciatura en Matemáticas (Teoría de Números) en 1995 en la EHU-UPV (Universidad del País Vasco), tras cursar su último año en Milán (Italia) en L’Universtità degli Studi di Milano.

En 1996, asistió al Curso de Aptitud Pedagógica, y los dos años siguientes obtuvo algunas becas para trabajar en el departamento de mecánica de LABEIN, donde se enfocó en Realidad Virtual. Más adelante, recibió otra beca de la “Bizkaiko Foru Aldundia” para continuar su formación en herramientas de Realidad Virtual en el VRAC (Virtual Reality Applications Center, Ames-IA), trabajando con el equipo de investigación de Carolina Cruz-Neira. Específicamente en este período, trabajó en modelado geométrico, navegación de software y tratamiento fotorrealista.

Desde entonces hasta 2017, trabajó en varios proyectos relacionados con herramientas de modelado 3D, interacción gráfica o computación y simulación en diversos escenarios, especializándose en el desarrollo de herramientas de software predictivo para laminadores, colada continua y hornos de recalentamiento. Más específicamente, desarrolló el módulo de calentamiento en 1D, 2D y 3D y las interfaces de software para esos procesos en acero, es decir:

• Desarrollo matemático de las ecuaciones tridimensionales de transferencia de calor en procesos de acero.
• Desarrollo matemático de los factores de vista (2D y 3D) relacionados con las formas geométricas involucradas en el proceso del horno de recalentamiento, para calcular la radiación de la transferencia de calor.

En 2017, se centró en el estudio de algoritmos matemáticos de análisis de datos, aprendizaje automático y tecnologías de big data (como Hadoop, Spark, etc.), realizando una acción formativa en “Big data, Inteligencia Empresarial y Ciencia de Datos” mediante la asistencia a una Maestría en línea impartida por INESEM.

Desde entonces, ha participado en varios proyectos de IA utilizando técnicas de Inteligencia Artificial, aprendizaje automático, esquemas de clustering, reducción dimensional, estrategias para datos desbalanceados, esquemas regresivos, métodos lineales, lasso, elastic-net, SVMs, CART, RF y métodos de ensamblaje (bagging y boosting). Actualmente, está desarrollando su tesis sobre "Aprendizaje continuo explicable sobre flujos de datos", dentro del marco del programa de doctorado de la UPV/EHU, a tiempo parcial, en el área de Tecnologías de la Información y Comunicación en Redes Móviles.