1. Gestión integral de incidentes en el mar: protocolos, roles y cadena de mando para respuesta coordinada
2. Planificación y ejecución de operaciones: briefing, rutas, ventanas meteorológicas y criterios de go/no-go
3. Evaluación rápida de riesgos: matriz de criticidad, control de escena y decisiones bajo presión
4. Comunicación operativa: VHF/GMDSS, reportes estandarizados y enlace interinstitucional
5. Movilidad táctica y abordaje seguro: maniobras con RHIB, aproximación, amarre y recuperación
6. Equipos y tecnologías: EPP, señalización, localización satelital y registro de datos en campo
7. Atención inmediata al afectado: valoración primaria, hipotermia, trauma y estabilización para evacuación
8. Condiciones ambientales adversas: oleaje, visibilidad, corrientes y mitigación operativa
9. Simulación y entrenamiento: escenarios críticos, uso de RV/RA y ejercicios con métricas de desempeño
10. Documentación y mejora continua: lecciones aprendidas, indicadores (MTTA/MTTR) y actualización de SOPs

1. Introducción a la Inteligencia Artificial: conceptos básicos, tipos y aplicaciones
2. Fundamentos del Machine Learning: aprendizaje supervisado, no supervisado y por refuerzo
3. Procesamiento del Lenguaje Natural (PLN): análisis de texto, traducción automática y generación de lenguaje
4. Recopilación y preprocesamiento de datos marítimos: fuentes de datos, limpieza y transformación
5. Modelado predictivo de condiciones oceánicas: olas, corrientes, vientos y mareas
6. Optimización de rutas: algoritmos de búsqueda, A*, Dijkstra y heurísticas
7. Desarrollo de sistemas de soporte a la decisión basados en IA
8. Integración de IA con sistemas de navegación existentes: ECDIS, radar y AIS
9. Evaluación y validación de modelos de IA en travesías marítimas reales
10. Consideraciones éticas y regulatorias en la aplicación de IA en la navegación

‘

1. Introducción a la IA en el sector marítimo: panorama actual y futuro
2. Fundamentos de Machine Learning: algoritmos de clasificación, regresión y clustering
3. Procesamiento del Lenguaje Natural (NLP): análisis de sentimiento, chatbots y traducción automática
4. Visión por computador aplicada: reconocimiento de objetos, análisis de imágenes satelitales y vigilancia
5. Sensores marítimos y datos: tipos de sensores, adquisición, preprocesamiento y análisis
6. Modelado predictivo: predicción de rutas, optimización de consumo y mantenimiento predictivo
7. Ciberseguridad marítima: amenazas, vulnerabilidades y estrategias de defensa con IA
8. Implementación de IA en sistemas de navegación: optimización de rutas, prevención de colisiones
9. Ética y responsabilidad en el uso de la IA marítima: sesgos, transparencia y rendición de cuentas
10. Estudios de caso y aplicaciones prácticas: optimización portuaria, seguridad de la cadena de suministro

‘

1. Introducción a la IA en el entorno marítimo: desafíos y oportunidades
2. Fundamentos del Machine Learning: tipos de algoritmos, aprendizaje supervisado y no supervisado
3. Procesamiento del Lenguaje Natural (PLN): análisis de textos marítimos, identificación de riesgos
4. Visión por Computadora: detección de objetos en imágenes y videos marítimos (buques, obstáculos, etc.)
5. Análisis de datos marítimos: series temporales, datos de sensores, registros históricos de incidentes
6. Modelado predictivo de derrotas y rutas optimizadas: factores a considerar, simulación
7. IA para la gestión de riesgos marítimos: identificación de patrones, evaluación de amenazas
8. Sistemas de alerta temprana basados en IA: detección de anomalías, notificaciones automatizadas
9. Aplicaciones de IA en la seguridad portuaria: control de acceso, vigilancia, análisis de flujos
10. Consideraciones éticas y legales en el uso de la IA en el ámbito marítimo

‘

1. Introducción a la IA Predictiva: conceptos básicos y aplicaciones marítimas
2. Fundamentos de Machine Learning: aprendizaje supervisado y no supervisado
3. Recopilación y preprocesamiento de datos marítimos: fuentes, limpieza y transformación
4. Modelado predictivo para condiciones climáticas: olas, viento y corrientes
5. Predicción de consumo de combustible: optimización de velocidad y ruta
6. Análisis de riesgos y seguridad marítima: detección de anomalías y patrones
7. Optimización de rutas y planificación de travesías: algoritmos y restricciones
8. Integración de modelos predictivos en sistemas de navegación existentes
9. Evaluación y validación de modelos: métricas de rendimiento y ajuste
10. Ética y responsabilidad en el uso de la IA en la navegación marítima

‘

1. Arquitectura y componentes del sistema: diseño estructural, materiales y subsistemas (mecánicos, eléctricos, electrónicos y de fluidos) con criterios de selección y montaje en entornos marinos
2. Fundamentos y principios de operación: bases físicas y de ingeniería (termodinámica, mecánica de fluidos, electricidad, control y materiales) que explican el desempeño y los límites operativos
3. Seguridad operativa y medioambiental (SHyA): análisis de riesgos, EPP, LOTO, atmósferas peligrosas, gestión de derrames y residuos, y planes de respuesta a emergencias
4. Normativas y estándares aplicables: requisitos IMO/ISO/IEC y regulaciones locales; criterios de conformidad, certificación y buenas prácticas para operación y mantenimiento
5. Inspección, pruebas y diagnóstico: inspección visual/dimensional, pruebas funcionales, análisis de datos y técnicas predictivas (vibraciones, termografía, análisis de fluidos) para identificar causas raíz
6. Mantenimiento preventivo y predictivo: planes por horas/ciclos/temporada, lubricación, ajustes, calibraciones, sustitución de consumibles, verificación post-servicio y fiabilidad operacional
7. Instrumentación, herramientas y metrología: equipos de medida y ensayo, software de diagnóstico, calibración y trazabilidad; criterios de selección, uso seguro y almacenamiento
8. Integración e interfaces a bordo: compatibilidad mecánica, eléctrica, de fluidos y de datos; sellado y estanqueidad, EMC/EMI, protección contra corrosión y pruebas de interoperabilidad
9. Calidad, pruebas de aceptación y puesta en servicio: control de procesos y materiales, FAT/SAT, pruebas en banco y de mar, criterios “go/no-go” y registro de evidencias
10. Documentación técnica y práctica integradora: bitácoras, checklists, informes y caso práctico completo (seguridad → diagnóstico → intervención → verificación → reporte) aplicable a cualquier sistema

1. Introducción a la IA en el transporte marítimo: Beneficios y desafíos.
2. Fundamentos de Machine Learning: Algoritmos de regresión y clasificación.
3. Recopilación y preprocesamiento de datos marítimos: Fuentes, limpieza y normalización.
4. Análisis de datos meteorológicos y oceanográficos: Predicción de olas, vientos y corrientes.
5. Modelado de rendimiento del buque: Consumo de combustible y velocidad.
6. Algoritmos de optimización de rutas: A*, Dijkstra, algoritmos genéticos.
7. Implementación de sistemas de recomendación de rutas basados en IA.
8. Consideraciones de seguridad y riesgo en la optimización de derroteros.
9. Evaluación y validación de modelos de IA para la optimización de rutas.
10. Tendencias futuras y aplicaciones avanzadas de la IA en la navegación marítima.

‘