Miriam Esteve Campello

Soy Doctora en Ingeniería Informática Cum Laude con mención internacional y graduada en Tecnologías de la Información por la Universidad Miguel Hernández (UMH), donde obtuve el Premio a la Excelencia Académica. Complementé mi formación con el título propio de Especialista Universitario en Big Data para la Gestión en Turismo y con dos másteres oficiales: el Máster en Análisis y Prevención del Crimen (UMH) y el Máster en Ingeniería de Sistemas de Decisión (URJC), ambos también reconocidos con el Premio a la Excelencia Académica.
Mi carrera investigadora se ha centrado en el desarrollo y aplicación de técnicas avanzadas de inteligencia artificial, machine learning y análisis topológico de datos a problemas complejos en ámbitos como la eficiencia productiva, la criminología y la neurociencia. Fui beneficiaria de una beca FPU 2017 del Ministerio de Universidades, con la que realicé mi tesis doctoral, defendida en 2022, e incluso obtuve las becas FPU 2018 y ACIF 2019, a las que renuncié por incompatibilidad. Durante el doctorado llevé a cabo una estancia internacional en el Department of Logistics de la Wroclaw University (Polonia).
Mi trayectoria ha sido reconocida con el Premio Nacional a Joven Investigadora en Informática 2023 otorgado por la Fundación BBVA y la SCIE, cuento con un sexenio de investigación activo y poseo la acreditación como Contratada Doctora en el área de Ciencias Experimentales, avales que reflejan la calidad e impacto de mis contribuciones científicas.
He publicado numerosos trabajos en revistas indexadas en el Journal Citation Reports (JCR), principalmente en el primer cuartil (Q1), en áreas como Computer Science, Operations Research & Management Science y Criminology. Mis investigaciones incluyen desarrollos metodológicos en algoritmos de aprendizaje automático (Random Forest, one-class SVM, regression splines), técnicas de análisis envolvente de datos y aplicaciones de inteligencia artificial en entornos reales. Asimismo, he publicado varios capítulos de libro en editoriales internacionales como Springer y he participado en más de diez proyectos de investigación competitivos. Mi producción incluye más de 40 contribuciones presentadas en congresos nacionales e internacionales.
En los últimos años, mi línea de investigación se ha orientado también hacia el análisis topológico de datos, dando lugar a publicaciones de alto impacto con afiliación CEU, como GSSTDA, topoEEG, Trajectory Classification y tramoTDA, que exploran nuevas fronteras en la integración de topología y aprendizaje profundo.
Paralelamente, he desarrollado una intensa actividad docente en el ámbito universitario, impartiendo asignaturas relacionadas con la inteligencia artificial, la programación y el análisis de datos en los grados de Ingeniería Informática y Estadística Empresarial. He diseñado e impartido más de 500 horas en el área de Lenguajes y Sistemas Informáticos (LSI) y Ciencias de la Computación e Inteligencia Artificial, con un enfoque práctico y aplicado que fomenta el pensamiento computacional y la transferencia del conocimiento científico a contextos reales.
En conjunto, mi perfil combina una sólida formación académica, una trayectoria investigadora reconocida y en expansión internacional, una amplia experiencia docente y una producción científica de impacto, consolidándome como investigadora y docente especializada en inteligencia artificial, ciencia de datos y sus aplicaciones interdisciplinarias.