Master1500 h · Online · 11 módulos
Máster en Inteligencia Artificial Aplicada a la Marina
Ingenieros navales y marítimos que buscan aplicar técnicas de IA en el diseño, operación y mantenimiento de buques e infraestructuras marinas.
Duración1500 h
ModalidadOnline
Inicio28 de diciembre
Plazas20 / 20
Diagnóstico de este programa
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.
Tu diagnóstico
6de 6 por cubrir
Marca lo que ya dominas y el programa se ajusta a lo que te falta.
Información del programa
¿Qué es el Máster en Inteligencia Artificial Aplicada a la Marina?
El Máster en Inteligencia Artificial Aplicada a la Marina
Te prepara para liderar la transformación digital del sector marítimo. Aprende a implementar soluciones de IA en áreas clave como la optimización de rutas, el mantenimiento predictivo de embarcaciones, la automatización de procesos y la seguridad marítima. Este programa combina la teoría con la práctica, utilizando herramientas de vanguardia y casos de estudio reales para que puedas aplicar tus conocimientos desde el primer día.
Ventajas diferenciales
- Foco en la industria marítima: Casos de uso y proyectos específicos del sector.
- Desarrollo de habilidades prácticas: Implementación de algoritmos y modelos de IA.
- Expertos del sector: Profesores con experiencia en IA y en la industria naval.
- Herramientas de última generación: Acceso a software y plataformas líderes en IA.
- Networking: Conexiones con empresas y profesionales del sector.
Tipo de programa
Máster
Modalidad
Online
Duración
1.500 horas
Módulos
11
Inicio
12-12-2026
Aspectos destacados del programa
- IA en el Sector Marítimo: Domina las últimas técnicas de Inteligencia Artificial aplicadas a la optimización de rutas, gestión de flotas y seguridad marítima.
- Análisis de Datos Marinos: Aprende a interpretar y utilizar grandes volúmenes de datos para la toma de decisiones estratégicas en el entorno marítimo.
- Automatización y Robótica Naval: Explora las aplicaciones de la automatización y la robótica en la mejora de la eficiencia y seguridad de las operaciones navales.
- Simulación y Modelado Avanzado: Desarrolla habilidades en la simulación y modelado de escenarios marítimos para la optimización de recursos y la prevención de riesgos.
- Proyectos Prácticos y Casos de Estudio: Aplica tus conocimientos en proyectos reales y analiza casos de éxito en la implementación de la IA en la marina.
- Impulsa tu carrera profesional en el sector marítimo con las herramientas de la Inteligencia Artificial.
Plan de estudios
Plan de estudios del Máster en Inteligencia Artificial Aplicada a la Marina
11 módulos. Selecciona un módulo para consultar su contenido.
Módulo 1
Fundamentos de IA, Datos Marinos y Arquitectura de Soluciones para Operaciones en Entorno Marítimo
- 1.1. Panorama de IA aplicada al dominio naval: casos de uso, limitaciones técnicas y criterios de viabilidad operativa
- 1.2. Tipologías de datos marinos: telemetría, oceanografía, AIS, meteo-mar, sonar e imagen, y su impacto en el modelado
- 1.3. Ciclo de vida del dato: captura, limpieza, etiquetado, balanceo y control de calidad con trazabilidad
- 1.4. Arquitecturas de IA: edge a bordo, on-premise en puerto y cloud híbrida con requisitos de latencia
- 1.5. Fundamentos de aprendizaje supervisado/no supervisado y selección de algoritmos por misión
- 1.6. Métricas de desempeño: precisión, recall, F1, ROC-AUC y métricas operativas orientadas a riesgo
- 1.7. Gestión de experimentos: versionado de datos/modelos, reproducibilidad y control de cambios
- 1.8. Riesgos del modelado en mar: distribución cambiante, ruido sensórico y sesgos por condiciones ambientales
- 1.9. Documentación técnica: data sheets, model cards y reporte de supuestos para auditoría
- 1.10. Taller integrador: definición de caso de uso naval con requisitos, datos mínimos y KPI de aceptación
En esta etapa
136 hde dedicación estimada—semanas a tu ritmoMódulo 2
Ingeniería de Datos Marinos, Integración Sensorial y Pipelines de Recolección Automatizada
- 2.1. Integración de fuentes: AIS, VDR, ECDIS, radar, IMU, CTD, ADCP y logs de maquinaria
- 2.2. Protocolos y formatos: NMEA, Modbus, MQTT, OPC UA, APIs y normalización de esquemas
- 2.3. Sincronización temporal: NTP/PTP, time-stamping, drift y coherencia multi-sensor
- 2.4. ETL/ELT en tiempo real: parsing, enriquecimiento, validación y gestión de errores
- 2.5. Almacenamiento para series temporales: modelado, particionado, retención y compresión
- 2.6. Data lake/lakehouse para operaciones marítimas: gobierno del dato, linaje y control de acceso
- 2.7. Calidad del dato en campo: detección de outliers, gaps, calibraciones y QA/QC operativo
- 2.8. Observabilidad del pipeline: logs, métricas, trazas, latencias y alertas por SLA
- 2.9. Seguridad del dato: cifrado, segmentación, hardening y continuidad de servicio en mar
- 2.10. Laboratorio: diseño de pipeline end-to-end desde sensor a dashboard con reglas de validación
En esta etapa
136 hde dedicación estimada—semanas a tu ritmoMódulo 3
Visión Artificial y Percepción Multisensor para Navegación, Seguridad y Vigilancia Marítima
- 3.1. Fundamentos de visión por computador: detección, segmentación, tracking y estimación de movimiento
- 3.2. Detección de objetos marítimos: embarcaciones, boyas, obstáculos y fauna en condiciones de baja visibilidad
- 3.3. Fusión cámara–radar–AIS: asociación de blancos, resolución de ambigüedad y consistencia de estado
- 3.4. Procesado de imagen en entornos extremos: bruma, reflejos, noche, lluvia y vibración a bordo
- 3.5. Modelos CNN/Transformer para percepción: trade-offs de precisión, latencia y consumo energético
- 3.6. Supervisión y etiquetado: estrategias semiautomáticas, active learning y control de sesgos
- 3.7. Evaluación de percepción: mAP, IoU, robustez por escenario y métricas de seguridad operacional
- 3.8. Despliegue en edge: cuantización, poda, aceleradores y perfiles de rendimiento en hardware embarcado
- 3.9. Seguridad y privacidad: tratamiento de imagen, retención, anonimización y políticas de acceso
- 3.10. Proyecto aplicado: sistema de detección y alerta con integración multisensor y reporte técnico
En esta etapa
136 hde dedicación estimada—semanas a tu ritmoMódulo 4
IA para Predicción Oceanográfica, Meteo-mar y Toma de Decisiones Operativas
- 4.1. Variables meteo-oceánicas clave: viento, oleaje, corrientes, mareas y su impacto en la operación
- 4.2. Series temporales: forecasting, estacionalidad, cambios de régimen y validación por ventana
- 4.3. Modelos para predicción: ARIMA/Prophet, redes recurrentes, Transformers temporales y enfoques híbridos
- 4.4. Asimilación y fusión de fuentes: boyas, satélite, modelos numéricos y sensores embarcados
- 4.5. Predicción de riesgo operativo: umbrales de go/no-go, ventanas meteorológicas y margen de seguridad
- 4.6. Optimización de ruta: coste, tiempo, confort, consumo y evitación de condiciones adversas
- 4.7. Incertidumbre y confianza: intervalos, calibración probabilística y decisión bajo incertidumbre
- 4.8. Alarmas inteligentes: detección de anomalías oceanográficas y disparadores operativos
- 4.9. Integración con SOPs: procedimientos, escalado, evidencias y registro de decisiones
- 4.10. Caso práctico: planificación de misión con predicción meteo-mar y criterio de aceptación
En esta etapa
136 hde dedicación estimada—semanas a tu ritmoMódulo 5
IA para Maquinaria Marina, Mantenimiento Predictivo y Gestión de Activos Críticos
- 5.1. Sistemas de propulsión y auxiliares: variables instrumentadas, modos de fallo y criticidad
- 5.2. Modelado de condición: vibración, temperatura, presión, consumo y firmas de degradación
- 5.3. Detección de anomalías: umbrales, modelos estadísticos, autoencoders y enfoque por activos
- 5.4. Predicción de fallos: remaining useful life (RUL), supervivencia y mantenimiento basado en riesgo
- 5.5. Integración con CMMS/EAM: órdenes de trabajo, repuestos, SLAs y cierre con evidencias
- 5.6. Análisis causa raíz asistido por IA: correlaciones, eventos, secuencias y priorización de acciones
- 5.7. Optimización de paradas: ventanas, recursos, coste y minimización de impacto operacional
- 5.8. Validación en planta y mar: pruebas, aceptación, falsos positivos y mejora iterativa
- 5.9. Ciberseguridad OT aplicada: segmentación, acceso mínimo y registro inmutable de eventos
- 5.10. Taller: diseño de un programa de mantenimiento predictivo con KPIs y plan de implantación
En esta etapa
136 hde dedicación estimada—semanas a tu ritmoMódulo 6
IA para Logística Marítima, Terminales, Puertos Inteligentes y Cadena de Suministro
- 6.1. Procesos portuarios y terminalarios: arrival, berth planning, yard, gate y hinterland
- 6.2. Predicción de ETA/ETD y congestión: modelos, features, drift y evaluación por temporada
- 6.3. Optimización de atraques y recursos: asignación, secuenciación y simulación de escenarios
- 6.4. IA para yard y equipos: movimientos, disponibilidad, mantenimiento y reducción de re-manipulaciones
- 6.5. Analítica de rendimiento: KPIs operativos, cuellos de botella y mejoras tipo Lean
- 6.6. Pricing y revenue management: demanda, elasticidad, SLAs y penalizaciones con enfoque data-driven
- 6.7. Documentación y trazabilidad: eventos, APIs/EDI, calidad del dato y auditoría
- 6.8. Digital twin conceptual: gemelo del puerto/terminal para prueba de políticas y resiliencia
- 6.9. Riesgos y continuidad: contingencias, fallos sistémicos y planes de recuperación operativa
- 6.10. Caso práctico: tablero de decisión con predicción y optimización de recursos en terminal
En esta etapa
136 hde dedicación estimada—semanas a tu ritmoMódulo 7
Robótica Marina Inteligente: ROV/AUV, Autonomía, Planificación de Misión y Control
- 7.1. Tipologías de robots marinos: ROV, AUV, USV y arquitecturas híbridas orientadas a misión
- 7.2. Estimación de estado: fusión IMU-DVL-presión, navegación relativa y degradación controlada
- 7.3. Control de movimiento: PID avanzado, asignación de empuje, saturaciones y estabilidad en 6 DOF
- 7.4. Planificación de misión: waypoints, geocercas, restricciones y criterios de abort/retorno seguro
- 7.5. Percepción subacuática: sonar, visión, backscatter, detección y clasificación básica
- 7.6. Comunicaciones y telemetría: tether, acústica, latencia, pérdida de enlace y estrategias store-and-forward
- 7.7. Simulación SIL/HIL: escenarios, inyección de fallos y métricas de desempeño
- 7.8. Seguridad operativa: matrices de riesgo, procedimientos, permisos y coordinación con buque de apoyo
- 7.9. Gestión de datos de misión: registros, sincronización, evidencias e informes de inspección
- 7.10. Proyecto aplicado: diseño y validación de una misión robotizada con entrega técnica completa
En esta etapa
136 hde dedicación estimada—semanas a tu ritmoMódulo 8
Ciberseguridad, Seguridad Funcional y Resiliencia de Sistemas de IA en Entorno Naval
- 8.1. Superficie de ataque en sistemas marítimos: IT/OT, sensores, enlaces y estaciones de control
- 8.2. Amenazas a modelos: envenenamiento de datos, adversarial, fuga de información y manipulación de entrada
- 8.3. Seguridad por diseño: hardening, control de acceso, segmentación, rotación de claves y logging
- 8.4. Resiliencia y continuidad: redundancias, failover, backups, pruebas de recuperación y degradación segura
- 8.5. Seguridad funcional: límites, interlocks, watchdogs y modos de parada segura en sistemas autónomos
- 8.6. Gestión de incidentes: detección, contención, análisis forense y lecciones aprendidas
- 8.7. Gobierno de modelos: aprobaciones, cambios, auditoría, trazabilidad y criterios de despliegue
- 8.8. Compliance técnico-operativo: evidencias, registros, retención y control de proveedores
- 8.9. Evaluación de riesgos: matrices, umbrales, priorización y aceptación por criticidad
- 8.10. Taller: plan de ciberseguridad y resiliencia para un sistema de IA embarcado/portuario
En esta etapa
136 hde dedicación estimada—semanas a tu ritmoMódulo 9
MLOps, Operación de Modelos, Observabilidad y Mejora Continua en Producción Marítima
- 9.1. MLOps end-to-end: desarrollo, validación, despliegue y operación con control de versiones
- 9.2. CI/CD para IA: pruebas, empaquetado, validación de datos y gates de calidad
- 9.3. Monitorización de modelos: drift, performance decay, alertas y reentrenamiento gobernado
- 9.4. Observabilidad de pipelines: latencia, disponibilidad, errores, backlog y cumplimiento de SLA
- 9.5. Gestión de experimentos: tracking, comparativas, reproducibilidad y documentación
- 9.6. Edge MLOps: despliegue a bordo, actualizaciones seguras y gestión remota
- 9.7. A/B testing y evaluación operativa: impacto real, seguridad, costes y experiencia del operador
- 9.8. Gestión de dataset y etiquetado continuo: active learning, data augmentation y control de sesgos
- 9.9. Reporting ejecutivo: KPIs, riesgos, ROI y priorización de backlog de mejoras
- 9.10. Laboratorio: implementación de un ciclo MLOps con monitorización y reentrenamiento controlado
En esta etapa
136 hde dedicación estimada—semanas a tu ritmoMódulo 10
Estrategia, Regulación, Ética y Gestión de Proyectos de IA para la Industria Marítima
- 10.1. Roadmap de IA marítima: priorización por valor, riesgo, complejidad y madurez de datos
- 10.2. Gestión de proyectos: alcance, cronograma, presupuesto, riesgos y criterios de aceptación
- 10.3. Procurement y proveedores: especificaciones, SLAs, propiedad de datos/modelos y validación de entregables
- 10.4. Ética y responsabilidad: sesgos, explicabilidad, transparencia y límites de automatización
- 10.5. Gobernanza de datos: privacidad, retención, acceso, transferencias y políticas internas
- 10.6. Gestión del cambio: adopción operativa, formación, roles y resistencia organizacional
- 10.7. Diseño de SOPs asistidos por IA: integración con operaciones, escalado y trazabilidad
- 10.8. Medición de impacto: ROI, TCO, riesgo residual, seguridad y continuidad del negocio
- 10.9. Portafolio de casos de uso: vigilancia, navegación, mantenimiento, logística y exploración
- 10.10. Pre-TFM: definición de problema, metodología, dataset, métricas y plan de validación
En esta etapa
136 hde dedicación estimada—semanas a tu ritmoMódulo 11
Trabajo Fin de Máster en Inteligencia Artificial Aplicada a la Marina
- 11.1. Elección del tema y definición del problema de investigación
- 11.2. Formulación de objetivos, hipótesis y alcance del trabajo
- 11.3. Revisión del estado del arte y de la bibliografía especializada
- 11.4. Análisis del marco normativo y técnico aplicable
- 11.5. Diseño de la metodología y del plan de trabajo
- 11.6. Recogida, tratamiento y validación de datos
- 11.7. Desarrollo técnico y análisis de resultados
- 11.8. Discusión, conclusiones y líneas futuras de trabajo
- 11.9. Redacción de la memoria conforme a las normas académicas
- 11.10. Presentación y defensa pública ante el tribunal
En esta etapa
136 hde dedicación estimada—semanas a tu ritmoPlanifica tu ritmo
Duración y modalidad del Máster en Inteligencia Artificial Aplicada a la Marina
Son 1500 horas. Dinos cuántas puedes dedicar a la semana y te decimos cuándo acabas de verdad.
4 h30 h
Con 12 h por semana
—
meses hasta terminar
—
semanas en total
Claustro
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 verificadas
Opiniones del alumnado
Reseñas recogidas y verificadas por Opynio, no escritas por nosotros.
Objetivos
Objetivos del Máster en Inteligencia Artificial Aplicada a la Marina
01Optimizar la gestión de recursos y la logística naval
02Desarrollar sistemas de detección y respuesta ante amenazas marítimas
03Diseñar y simular escenarios operativos complejos para la toma de decisiones estratégicas
04Automatizar el análisis de datos oceanográficos para mejorar la predicción de patrones climáticos
05Implementar algoritmos de IA para la optimización de rutas de navegación y el consumo de combustible
06Crear modelos predictivos para el mantenimiento preventivo de sistemas navales
Salidas profesionales
Salidas profesionales del Máster en Inteligencia Artificial Aplicada a la Marina
Bitácora
Testimonios del alumnado
Apliqué los conocimientos del Máster en IA a la optimización de rutas de navegación para una flota pesquera, logrando un ahorro del 15% en combustible y un aumento del 8% en la captura, minimizando el impacto ambiental y maximizando la rentabilidad.
Durante el máster en Electricidad, Electrónica y Comunicaciones, desarrollé un sistema de control inteligente para optimizar el consumo energético en edificios, el cual demostró una reducción del 20% en las pruebas de campo y recibió el premio al mejor proyect
Apliqué los conocimientos del Máster en IA a la optimización de rutas marítimas para una flota pesquera, logrando un aumento del 15% en la captura y una reducción del 12% en el consumo de combustible en tan solo seis meses.
Durante el Máster en Inteligencia Artificial Aplicada a la Marina, desarrollé un sistema de predicción de rutas óptimas para embarcaciones considerando variables meteorológicas y oceanográficas en tiempo real. Este sistema, implementado en un caso de estudio c
Dudas frecuentes
Requisitos de acceso al Máster en Inteligencia Artificial Aplicada a la Marina
Sector marítimo.
Sí. El itinerario incluye ECDIS/Radar-ARPA/BRM con escenarios de puerto, oceánica, niebla, temporal y SAR.
Online con sesiones en vivo; opción híbrida para estancias de simulador/prácticas mediante convenios.
Sector marítimo.
Recomendado SMCP funcional. Ofrecemos materiales de apoyo para fraseología estándar.
Sí, con titulación afín o experiencia en operaciones marítimas/portuarias. La entrevista de admisión confirmará encaje.
Opcionales (3–6 meses) a través de Empresas & Colaboraciones y la Red de Egresados.
Prácticas en simulador (rúbricas), planes de derrota, SOPs, checklists, micro-tests y TFM aplicado.
Admisión online
Proceso de admisión
Sin esperar a que te llamemos. Si tu documentación está completa, pasas al pago en la misma sesión.
Requisitos de acceso
- Perfil académico/profesional:Grado/Licenciatura en Informática, Ingeniería, Matemáticas, Física o campo relacionado; o experiencia profesional demostrable en desarrollo de software, análisis de datos o áreas afines.
- Conocimientos técnicos:Fundamentos de programación (Python preferible), álgebra lineal, estadística y probabilidad. Conocimientos básicos de machine learning son valorados.
- Documentación:CV actualizado, copia de titulación (si aplica), expediente académico (si aplica), carta de motivación destacando el interés en la IA y sus aplicaciones en el ámbito marítimo.
- Requisitos técnicos (para online):Ordenador con acceso a internet de alta velocidad, capacidad para instalar software de desarrollo (Python, TensorFlow, PyTorch, etc.), y familiaridad con el uso de entornos virtuales de desarrollo.
- 01SolicitudDatos, expediente y tus documentos.
- 02Revisión al instanteComprobamos que esté completo y en regla.
- 03MatrículaEliges contado o plazos y reservas plaza.
Empezar mi solicitudDesde 1.073,20 € de matrícula
La admisión es provisional hasta que el comité valida la documentación aportada. Si algo no cumple los requisitos, se devuelve el importe íntegro.
¿Tienes dudas?
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.