La predicción del clima constituye un desafío debido a la complejidad y naturaleza caótica de la atmósfera. En esta presentación se explora el uso de modelos predictivos basados en redes neuronales, incluyendo arquitecturas de redes neuronales recurrentes (RNN), redes neuronales convolucionales (CNN) y perceptrones multicapa (MLP) aplicados a datos climáticos de libre acceso. Se evalúan los enfoques metodológicos y se analizan sus capacidades para capturar patrones temporales y espaciales en series de datos meteorológicos, así como la eficiencia computacional en la generación de pronósticos. Los resultados preliminares sugieren que las técnicas de aprendizaje profundo ofrecen una precisión competitiva en escenarios de predicción a corto y mediano plazo, destacando su potencial para optimizar los sistemas de pronóstico del clima.
Acerca de los conferencistas:
Luis Miguel Patiño Buendía, es físico de la Universidad de Córdoba y actualmente cursa la maestría en ciencias físicas en la Universidad Pedagógica y Tecnológica de Colombia, su área de estudio es la computación cuántica y redes neuronales.
Alex Leonardo Rojas Peña, es doctor en estadística de la Universidad de Carnegie Mellon, actualmente es profesor asociado de la escuela de matemáticas y estadística de la Universidad Pedagógica y Tecnológica de Colombia.
Inscripción previa en: https://forms.gle/L9U18JrgwCeScZjv8
Certificación a los participantes que cumplan con al menos el 70% de asistencia al ciclo de conferencias.
Evento realizado en el marco de la alianza interinstitucional con el Centro de Gestión de Investigación y Extensión de la Facultad de Ciencias CIEC de la Universidad Pedagógica y Tecnológica de Colombia.
Informes: teléfono 6013430548 ext. 8306 o al correo electrónico mgarciso@banrep.gov.co