La asimilación de datos busca estimar el estado de sistemas dinámicos caóticos y de alta dimensión, mediante la combinación de simulaciones numéricas y observaciones parciales. Las técnicas de asimilación de datos se basan en principios de estadística bayesiana y en las leyes que rigen la dinámica de los sistemas físicos a los cuales se aplica. Su implementación en sistemas de gran dimensionalidad, como los modelos climáticos, representa desafíos adicionales desde el punto de vista físico, matemático y computacional. <br>
Recientemente, el aprendizaje automático ha introducido una revolución en las técnicas de asimilación de datos, desde la simulación de la dinámica de los sistemas hasta la cuantificación de la incertidumbre asociada a las previsiones.
Te invitamos a compartir una tarde de charlas dictadas por investigadores locales e internacionales trabajando en la temática, donde exploraremos los últimos desarrollos y avances en la temática.
- Dr. Javier Amezcua – Universidad Iberoamericana, México, Universidad de Reading, Reino Unido
- Dr. Haroldo de Campos Velho – Instituto Nacional de Pesquisas Espaciais, Brasil
- Lic. Federico Cutraro – Servicio Meteorológico Nacional, Argentina
- Lic. Gimena Casaretto – Servicio Meteorológico Nacional, CONICET, Argentina
- Dra. María Eugenia Dillon – Servicio Meteorológico Nacional, CONICET, Argentina
- Dr. Takemasa Miyoshi – RIKEN Center for Computational Science, Japón
- Dr. Elías Niño Ruiz – Universidad del Norte, Colombia
- Lic. Matías Obregón – Universidad Nacional del Nordeste, Argentina
- Dr. Shigenori Otsuka – RIKEN Center for Computational Science, Japón
- Dr. Maximiliano Sacco – Servicio Meteorológico Nacional, Argentina
- Lic. Jorge Gacitua Gutierrez – Centro de Investigaciones del Mar y la Atmósfera, Argentina
- Lic. Santiago Rosa – Universidad Nacional de Córdoba, Argentina