Η Δρ. Μαρία Γιάνκοβιτς έλαβε το Πτυχίο, το Μεταπτυχιακό και το Διδακτορικό της Δίπλωμα στα Πληροφοριακά Συστήματα από τη Σχολή Οργανωσιακών Επιστημών του Πανεπιστημίου Βελιγραδίου, όπου απέκτησε επίσης εκτενή διδακτική και ερευνητική εμπειρία. Το 2018 εντάχθηκε στο Ινστιτούτο Τεχνολογιών Πληροφορικής (ΙΠΤΗΛ) του Εθνικού Κέντρου Έρευνας και Τεχνολογικής Ανάπτυξης (ΕΚΕΤΑ), όπου συμμετέχει σε ευρωπαϊκά έργα έρευνας και καινοτομίας στους τομείς της αξιόπιστης τεχνητής νοημοσύνης, των δοκιμών συστημάτων με ενσωματωμένη τεχνητή νοημοσύνη, της έξυπνης μεταποίησης, του ασφαλούς Διαδικτύου των Πραγμάτων (IoT) και των ανθρωποκεντρικών ψηφιακών συστημάτων.

Πριν ενταχθεί στο ΕΚΕΤΑ, διετέλεσε Επισκέπτρια Ερευνήτρια στο Εθνικό Ινστιτούτο Προτύπων και Τεχνολογίας των ΗΠΑ (NIST), όπου το έργο της επικεντρώθηκε στην ολοκλήρωση εφοδιαστικών αλυσίδων και στον σχεδιασμό διεργασιών έξυπνης μεταποίησης. Έχει επίσης συνεισφέρει σε διεθνείς δραστηριότητες τυποποίησης μέσω οργανισμών όπως το Object Management Group (OMG), το Open Applications Group (OAGi) και το European Telecommunications Standards Institute (ETSI).

Σήμερα είναι Πρόεδρος της Τεχνικής Επιτροπής του ETSI για τις Μεθόδους Δοκιμών και Προδιαγραφών (Technical Committee on Methods for Testing and Specification – TC MTS), η οποία αναπτύσσει μεθοδολογίες και τεχνολογίες για την προδιαγραφή και τη δοκιμή συστημάτων ΤΠΕ. Η δραστηριότητά της στο πλαίσιο του ETSI καλύπτει καθιερωμένες γλώσσες και τεχνολογίες δοκιμών, όπως οι TTCN-3 και TDL, καθώς και αναδυόμενες προσεγγίσεις για τη δοκιμή συστημάτων τεχνητής νοημοσύνης, τη συνεχή αξιολόγηση συμμόρφωσης, την τεκμηρίωση αξιόπιστης τεχνητής νοημοσύνης και τη διασφάλιση ποιότητας συστημάτων με ενσωματωμένη τεχνητή νοημοσύνη.

Η ερευνητική και επαγγελματική της εξειδίκευση περιλαμβάνει την τεχνική διαλειτουργικότητα, τη δοκιμή λογισμικού και τη διασφάλιση ποιότητας, τις γλώσσες και μεθοδολογίες δοκιμών, την αξιόπιστη και εξηγήσιμη τεχνητή νοημοσύνη, την αξιολόγηση συστημάτων τεχνητής νοημοσύνης και την αξιολόγηση συμμόρφωσης, τη συνεχή διασφάλιση συστημάτων με ενσωματωμένη τεχνητή νοημοσύνη, καθώς και την εφαρμογή της τεχνητής νοημοσύνης στη μηχανική λογισμικού. Ιδιαίτερο ενδιαφέρον της αποτελεί η διασύνδεση της έρευνας, των μεθοδολογιών δοκιμών και της τυποποίησης, με στόχο την υποστήριξη της ανάπτυξης και αξιολόγησης αξιόπιστων συστημάτων τεχνητής νοημοσύνης.