diff --git a/talks/MAngeles_Mendoza.md b/talks/MAngeles_Mendoza.md
new file mode 100644
index 0000000..b035b7a
--- /dev/null
+++ b/talks/MAngeles_Mendoza.md
@@ -0,0 +1,22 @@
+# El Papel del Machine Learning en un mayor entendimiento de la estructura y evolución estelares, así como los sistemas planetarios que las alberga
+
+## Authors
+
+Maria Ángeles Mendoza Pérez (IAA-CSIC)
+
+## Presenter
+
+Maria Ángeles Mendoza Pérez
+
+## Abstract (200 words max.)
+
+En las últimas décadas, se está invirtiendo un gran esfuerzo en la comprensión de la estructura y evolución de las estrellas, 
+ya que resulta crucial en muchos campos de la Astrofísica, como en la fijación de las edades de las poblaciones estelares o la detección de exoplanetas. 
+Gracias a las misiones espaciales (CoRoT, Kepler, GAIA, etc.) y a sus programas de seguimiento en tierra, la cantidad de datos astrofísicos  y relacionados
+ha aumentado de forma espectacular. Además, otros
+proyectos como TESS y la misión PLATO2.0 (2026) multiplicarán por cientos los datos disponibles. Así, las técnicas de ML se han popularizado en Astrofísica,
+no solo porque posibilitan el tratamiento de la gran cantidad de datos, sino también porque ofrecen una oportunidad única para incorporar masivamente estos datos 
+y aprender de sus patrones. 
+El uso combinado de técnicas de ML y Procesamiento de señales abre el camino al Reconocimiento Automático de Patrones en Datos Astrofísicos, permitiendo revelar
+relaciones ocultas entre las variables implicadas en los procesos físicos estelares, contribuyendo significativamente a la compresión de la estructura y dinámica 
+interna estelar, así como la caracterización de los sistemas planetarios a través de la caracterización estelar.