Charlas RSE en español: Febrero 2026 - David Salvador-Jasin (The Alan Turing Institute)
Carlos Gavidia
¡Hola! 👋
¡Join us for our February edition of the Charlas RSE en español!
We will hear from David Salvador-Jasin, who will tell us about SVD-ROM, a Python package for performing Reduced Order Modelling (ROM) of very large matrices using Singular Value Decomposition (SVD). The project uses tools from the scientific Python stack such as xarray, dask and zarr and has applications to fluid dynamics or meteorological data. You can find more details (en español) in the abstract+bio below 👇
TLDR:
- 🗣 What? ¡Tech talks en español!
- 🕓 When? Monday 16th February 2026, 4pm UK time
- 📍 How? Online and in-person at Margaret Hamilton Meeting Room, The Alan Turing Institute, British Library, 96 Euston Rd., London NW1 2DB
- 💃 A social visit to the pub is now traditional!
Click to download the .ics file and save the date in your calendar! 🗓 It includes Zoom details.
To attend en persona, please email the organisers (charlas.r...@gmail.com) as we have limited spots.
Or if you cannot join this time but would like to stay informed, feel free to subscribe to our Google groups mailing list.
¡Nos vemos!
David Salvador-Jasin: SVD-ROM: Modelado de Orden Reducido de matrices enormes mediante la Descomposición en Valores Singulares
Presentamos SVD-ROM, un paquete Python de código abierto para realizar Modelado de Orden Reducido (ROM) de matrices muy grandes mediante la Descomposición en Valores Singulares (SVD). A pesar de la alta dimensionalidad de los conjuntos de datos que se suelen encontrar en escenarios reales como la dinámica de fluidos o el clima y la meteorología, estos suelen ser de bajo rango: existen algunos patrones dominantes que explican esta alta dimensionalidad. La SVD es una técnica de reducción de dimensionalidad útil para estos sistemas y ofrece las ventajas de ser explicable y computacionalmente eficiente. SVD-ROM permite la aplicación de métodos de aprendizaje automático basados en SVD, como la Descomposición Ortogonal Propia (POD) o la Descomposición en Modos Dinámicos (DMD). Utilizamos Dask para computación paralela y fuera del núcleo, Xarray para matrices N-dimensionales etiquetadas, y formatos de datos como Zarr y NetCDF para el almacenamiento fragmentado de matrices grandes. Desarrollamos SVD-ROM pensando en la facilidad de uso, exponiendo una API de Python que permite la aplicación directa de métodos como preprocesamiento, ajuste de modelos, reconstrucción y pronóstico. Además, Dask facilita la portabilidad del código entre computadoras portátiles, clústeres de HPC o la nube, permitiendo al usuario ejecutar SVD-ROM en diferentes entornos computacionales con cambios mínimos. El desarrollo de SVD-ROM también ha dado lugar a múltiples contribuciones a PyDMD, el paquete de Python de código abierto más popular para la aplicación de DMD. En esta charla, mostramos cómo podemos ajustar un modelo DMD a un conjunto de datos meteorológicos globales de decenas de GB y generar un pronóstico subestacional preciso (con un horizonte de seis semanas) en una computadora portátil en tan solo unos minutos.
Bio: David es un RSE en el Instituto Alan Turing de Londres. Estudió ingeniería mecánica y posteriormente realizó una maestría y un doctorado en ingeniería aeronáutica, especializándose en aerodinámica de turbinas de gas. Como RSE, ha dedicado los últimos dos años a la modelización meteorológica basada en datos.
Zoom details
Join Zoom Meeting
https://turing-uk.zoom.us/j/95998855505?pwd=XWxZ9yRAs4R4HddZj7sRCsFaLbMKvn.1
Meeting ID: 959 9885 5505
Passcode: 917311