11F Día de la Mujer y la Niña en la Ciencia 2026 – Instituto Andaluz Interuniversitario en Ciencia de datos e Inteligencia Computacional (DaSCI-UGR)

Soy estudiante de doctorado en Inteligencia Artificial y vengo a contaros cómo es esto de verdad. Os hablaré de mi camino hasta aquí: qué estudié, cómo descubrí que me gustaba la investigación y las decisiones que fui tomando por el camino. También os contaré un poco en qué consiste mi investigación actual y cómo es mi día a día. 

Quiero que esto más que una charla sea sobre todo una conversación. Podéis preguntarme lo que queráis: cómo es la vida de una investigadora, qué retos he encontrado siendo mujer en un campo muy masculinizado, si es tan difícil como parece, qué oportunidades hay en IA, cómo compagino trabajo y vida personal… En resumen, todo lo que os dé curiosidad sobre dedicarse a la ciencia y la tecnología.  

La idea es que veáis que la investigación la hacemos personas normales, que es una opción accesible y que puede ser apasionante. ¡Así que id pensando preguntas, que esto funciona mejor si participáis!

En los últimos años, la cantidad de información que generamos cada día ha crecido de forma exponencial: fotos que subimos a redes sociales, compras por Internet, datos de salud, movimientos de nuestros móviles o incluso el clima. Todo esto son datos. Pero, ¿qué hacemos con ellos? ¿Cómo podemos transformarlos en algo útil? Aquí es donde entra la ciencia de datos, una disciplina que combina matemáticas, estadística, programación y, sobre todo, curiosidad por descubrir patrones y respuestas ocultas.

La ciencia de los datos nos permite entender fenómenos complejos y tomar mejores decisiones. Por ejemplo, gracias a ella se pueden predecir enfermedades, mejorar el tráfico de una ciudad, recomendar películas personalizadas o incluso ayudar a los científicos a estudiar el cambio climático. 

En este Café con ciencia hablaremos de cómo trabajan l@s científic@s de datos, qué tipo de preguntas se hacen y qué retos deben enfrentar, como el uso ético de la información o los sesgos que pueden aparecer en los datos. También exploraremos ejemplos reales y sorprendentes de cómo los datos influyen en nuestra vida cotidiana sin que apenas nos demos cuenta.

El objetivo es que podáis plantear vuestras propias preguntas: ¿qué datos generamos cada día?, ¿para qué sirven?, ¿quién los usa?, ¿podemos confiar en los algoritmos? ¡La ciencia de los datos está en todas partes y es más cercana de lo que parece!

Actualmente todo el mundo habla de Inteligencia Artificial. Parece que está en todas partes: en chatbots, en redes sociales, en apps del móvil… y sí, también en la medicina. Efectivamente, en los últimos años se está utilizando la IA para detectar enfermedades antes, entender mejor qué le pasa a un paciente y ayudar a los médicos a tomar decisiones. Lo más interesante es que en este campo no solo trabajan médicos: también hacen falta informáticos y matemáticos. 

Una de las enfermedades de las que más se habla a nivel mundial es el cáncer. Actualmente hay muchas investigaciones con IA para ayudar a prevenir el cáncer, a detectarlo lo antes posible, incluso para buscar la mejor cura para cada paciente. Yo trabajo en concreto con el cáncer de pulmón. Para poder confirmar que una persona tiene cáncer se le tiene que realizar una biopsia pulmonar, la cual puede conllevar riesgos. Mi tarea es predecir esos riesgos para que los médicos tengan todo preparado en caso de emergencia. Para ello uso datos de pacientes que ya se han realizado esa prueba e intento hacer un modelo para que cuando venga un nuevo paciente, el modelo diga si hay riesgo o no. 

La Inteligencia Artificial está cada vez más presente en decisiones importantes de nuestra vida cotidiana, desde las recomendaciones que vemos en redes sociales, hasta sistemas que ayudan a diagnosticar enfermedades o a seleccionar candidatos para un empleo. Ante este rápido avance surge la pregunta ¿qué ocurre si estos sistemas se equivocan, son injustos o no entendemos cómo toman sus decisiones?

Hoy en día no basta con que un algoritmo funcione bien. También es importante que sea justo, transparente, explicable y robusto, es decir, que sepamos cuándo podemos confiar en él y cuándo no. Es importante explorar preguntas como ¿puede una máquina discriminar a las personas?, ¿es posible detectar errores o sesgos en los algoritmos que utilizamos a diario?, ¿cómo podemos medir la incertidumbre de una predicción?

Estas preguntas abren la puerta a muchos campos de investigación actuales. Mi trabajo se centra en desarrollar una base teórica sólida para responder a ellas, utilizando herramientas matemáticas como la teoría de la información, la estadística y la geometría de la información. Aunque suenen complejas, estas herramientas nos permiten entender mejor cómo funcionan los modelos de Inteligencia Artificial.

El objetivo final es diseñar métricas fáciles de interpretar y puntuaciones de confianza que nos ayuden a tomar mejores decisiones y a evaluar si un sistema de IA está funcionando correctamente. La idea principal es mostrar que detrás de la Inteligencia Artificial no hay magia, sino matemáticas, pensamiento crítico y muchas preguntas abiertas por explorar.