Curso de Predicción Oceánica con Aprendizaje Automático
Graduados en ciencias del mar, física, matemáticas o ingeniería: que quieran aplicar machine learning al océano
Evaluación de conocimientos previos
Estas son las competencias que da este programa. Marca las que ya dominas y te decimos qué parte del temario es la tuya.
Marca lo que ya dominas y el programa se ajusta a lo que te falta.
¿Qué es el Curso de Predicción Oceánica con Aprendizaje Automático?
El Curso de Predicción Oceánica con Aprendizaje Automático
Te prepara para construir modelos de aprendizaje automático que predicen variables del océano como el oleaje, la temperatura superficial o el nivel del mar. Aprenderás a preparar series temporales y datos espaciales, a entrenar modelos de árboles, gradient boosting y redes neuronales, a compararlos con predicciones numéricas de referencia y a validarlos con rigor, entendiendo sus ventajas y también sus límites frente a los modelos físicos.
Ventajas diferenciales
- Enfoque práctico: Modelos entrenados con datos oceánicos abiertos.
- Comparación honesta: Resultados contrastados con predicciones físicas de referencia.
- Validación rigurosa: Métricas y esquemas de validación adecuados para series temporales.
- Herramientas abiertas: Python, scikit-learn y librerías de deep learning.
- Caso práctico: Un modelo de predicción para una variable y zona reales.
Aspectos destacados del programa
- Prepara los datos: Construye conjuntos de entrenamiento oceánicos.
- Entrena modelos: Aplica machine learning y redes neuronales.
- Predice el mar: Pronostica oleaje, temperatura y nivel del mar.
- Valida con rigor: Evalúa con métricas y referencias adecuadas.
- Impulsa tu carrera: Accede a servicios oceánicos y empresas de datos.
- Fórmate para combinar datos e inteligencia artificial en la predicción del océano.
Plan de estudios del Curso de Predicción Oceánica con Aprendizaje Automático
5 módulos. Selecciona un módulo para consultar su contenido.
Fundamentos de la Predicción Oceánica
- 1.1. Variables oceánicas que se predicen
- 1.2. Predicción numérica de referencia
- 1.3. Enfoques estadísticos clásicos
- 1.4. Aprendizaje automático para predicción
- 1.5. Horizontes y escalas de predicción
Preparación de Datos para Predicción
- 2.1. Fuentes de datos de boyas y satélite
- 2.2. Series temporales y ventanas deslizantes
- 2.3. Ingeniería de variables
- 2.4. División temporal de los datos
- 2.5. Normalización y valores ausentes
Modelos de Aprendizaje Automático
- 3.1. Regresión lineal y regularización
- 3.2. Árboles de decisión y bosques aleatorios
- 3.3. Gradient boosting
- 3.4. Ajuste de hiperparámetros
- 3.5. Importancia de las variables
Redes Neuronales para el Océano
- 4.1. Redes neuronales densas
- 4.2. Redes recurrentes y LSTM
- 4.3. Redes convolucionales para campos espaciales
- 4.4. Corrección de salidas de modelos numéricos
- 4.5. Predicción probabilística
Validación y Aplicación
- 5.1. Métricas de error y habilidad
- 5.2. Comparación con predicciones de referencia
- 5.3. Eventos extremos y límites del modelo
- 5.4. Despliegue de un modelo sencillo
- 5.5. Caso práctico: predicción del oleaje en una costa
Duración y modalidad del Curso de Predicción Oceánica con Aprendizaje Automático
Son 300 horas. Dinos cuántas puedes dedicar a la semana y te decimos cuándo acabas de verdad.
Dirección académica y claustro
El equipo docente de Navalis: profesionales en activo que imparten y supervisan los programas del centro.
Dra. Marina AlcoverDirectora Académica y Responsable de QA
Ing. Diego CifuentesProfesor Titular de Soldadura Naval y Ensayos No Destructivos; Jefe de QA/QC de Uniones Soldadas
Cap. Javier Abaroa (MCA)Profesor Titular de Maniobra, Navegación Electrónica (ECDIS/Radar/ARPA) y GMDSS; Coordinador de Cumplimiento STCW y CRM de puente
Dr. Pau FerrerProfesor Titular de Arquitectura Naval y Simulación; Director del Laboratorio de Hidrodinámica & CFD
Dra. Nuria LlobregatProfesora Titular de Meteorología Marina, SAR y Seguridad Operativa; Coordinadora de Gestión de Riesgos de Navegación.
Ing. Javier BañulsProfesor Titular de Electricidad, Automatización e Ingeniería ETO; Coordinador de Integración Electrónica y Alarmas de Máquinas
Ing. Sofía MarquinaProfesora Titular de Materiales, Composites y Anticorrosión; Coordinadora de la Línea de Pinturas y Recubrimientos Avanzados
Ing. Tomás Riera Profesor Titular de Propulsión, Energías Alternativas e Híbridos; Coordinador de Performance Energético y VibracionesOpiniones del alumnado
Reseñas recogidas y verificadas por Opynio, no escritas por nosotros.
Objetivos del Curso de Predicción Oceánica con Aprendizaje Automático
Salidas profesionales del Curso de Predicción Oceánica con Aprendizaje Automático
Requisitos de acceso al Curso de Predicción Oceánica con Aprendizaje Automático
Sí, se recomienda un nivel básico; el curso no parte de cero en programación.
No. El curso muestra que suelen ser complementarios y analiza los límites de cada enfoque.
Principalmente oleaje, temperatura superficial y nivel del mar a partir de datos abiertos.
No. Los ejercicios se pueden realizar en entornos gratuitos en la nube.
En construir y validar un modelo de predicción de oleaje para un punto de costa real.
100% online, con campus virtual disponible 24/7, sesiones en directo que quedan grabadas y tutorías con el profesorado.
El programa tiene una carga de 300 horas. Puedes avanzar a tu ritmo dentro del calendario que te indicamos al matricularte.
Cada programa tiene su propia fecha de inicio, que aparece en esta ficha y te confirma el equipo de admisiones cuando solicitas información.
Proceso de admisión
Sin esperar a que te llamemos. Si tu documentación está completa, pasas al pago en la misma sesión.
- Perfil de acceso: Estudiantes o graduados en Ciencias del Mar, Física, Matemáticas, Estadística, Informática, Ingeniería o áreas afines, con conocimientos básicos de Python.
- Competencia lingüística: Nivel de español suficiente para seguir clases y materiales; se recomienda inglés técnico básico, ya que buena parte de la normativa y la documentación del sector se publica en inglés.
- Recursos técnicos: Ordenador con conexión estable a internet, navegador actualizado y cámara para las sesiones en directo y las defensas de proyecto.
- Proceso de admisión: Solicitud online, revisión del perfil y entrevista breve con el equipo académico. Te confirmamos la fecha de inicio al recibir tu solicitud de información.
- 01SolicitudDatos, expediente y tus documentos.
- 02Revisión al instanteComprobamos que esté completo y en regla.
- 03MatrículaEliges contado o plazos y reservas plaza.
La admisión es provisional hasta que el comité valida la documentación aportada. Si algo no cumple los requisitos, se devuelve el importe íntegro.
Pregúntanos antes de matricularte
Déjanos tus datos y admisiones te escribe para resolver lo que necesites. Si ya lo tienes claro, puedes ir directamente a la solicitud de admisión y pagar en la misma sesión.
