1. Introducción a la meteorología marina: variables atmosféricas y oceánicas
2. Instrumentación meteorológica a bordo: anemómetros, barómetros, termómetros, higrómetros
3. Interpretación de boletines meteorológicos: formatos, fuentes (radio, satélite, internet)
4. Mapas sinópticos: isobaras, frentes, centros de presión, sistemas de alta y baja presión
5. Olas: generación, propagación, altura significativa, periodo, espectro
6. Viento: gradiente, geostrófico, local, efectos costeros (brisas, terrales)
7. Predicción del estado del mar: modelos numéricos, interpretación y limitaciones
8. Hielo marino: tipos, formación, fusión, peligros para la navegación
9. Software de simulación de rutas: introducción, funcionalidades y limitaciones
10. Optimización de rutas: criterios de selección, minimización de riesgos y consumo

‘

1. Introducción al modelado predictivo: conceptos básicos y aplicaciones en meteorología marina.
2. Análisis estadístico de datos meteorológicos marinos: series temporales, distribuciones y correlaciones.
3. Modelos numéricos de predicción meteorológica (NWP): fundamentos, componentes y resolución.
4. Oceanografía operacional: modelos de corrientes, oleaje y temperatura del mar.
5. Adquisición y procesamiento de datos meteorológicos marinos: estaciones meteorológicas, boyas y satélites.
6. Técnicas de Machine Learning aplicadas a la predicción meteorológica marina: regresión, clasificación y redes neuronales.
7. Validación y evaluación de modelos predictivos: métricas de error, sesgo y incertidumbre.
8. Visualización y comunicación de resultados: mapas, gráficos y herramientas interactivas.
9. Aplicaciones prácticas del modelado predictivo en la navegación marítima: optimización de rutas, seguridad y eficiencia.
10. Estudio de caso: Modelado predictivo de eventos extremos en el entorno marino.

‘

1. Introducción al modelado predictivo oceánico: alcance y aplicaciones
2. Fundamentos de la oceanografía física: termodinámica, salinidad, densidad
3. Olas: teoría lineal, espectros, altura significativa, período
4. Generación de olas por viento: modelos empíricos y paramétricos
5. Corrientes oceánicas: corrientes de viento, termohalinas, de marea
6. Modelos numéricos: diferencias finitas, volúmenes finitos, elementos finitos
7. Implementación de modelos de propagación de olas (SWAN, WAVEWATCH III)
8. Asimilación de datos observacionales: boyas, satélites, radares HF
9. Validación y calibración de modelos: métricas de error, análisis de sensibilidad
10. Aplicaciones prácticas: predicción costera, energía undimotriz, seguridad marítima

‘

1. Introducción al modelado predictivo: conceptos básicos y aplicaciones en navegación
2. Estadística descriptiva y exploratoria: análisis de datos de navegación
3. Regresión lineal y no lineal: modelos predictivos de velocidad y consumo
4. Series temporales: modelado de mareas, corrientes y condiciones meteorológicas
5. Aprendizaje automático (Machine Learning): algoritmos de clasificación y regresión para la navegación
6. Simulación de Monte Carlo: evaluación de riesgos y optimización de rutas
7. Modelado basado en agentes (Agent-Based Modeling): simulación de tráfico marítimo y comportamiento de buques
8. Integración de datos heterogéneos: combinación de datos AIS, meteorológicos y cartográficos
9. Validación y evaluación de modelos: métricas de rendimiento y pruebas de sensibilidad
10. Herramientas de software para el modelado y la simulación: Python, R, MATLAB

‘

1. Introducción al modelado numérico de olas y corrientes: conceptos básicos y aplicaciones.
2. Teoría de ondas lineales (Airy) y no lineales (Stokes, cnoidal): características, limitaciones y aplicabilidad.
3. Modelos de olas espectrales (SWAN, WAVEWATCH III): fundamentos, parámetros de entrada y salida, calibración y validación.
4. Modelos de corrientes oceánicas y costeras: ecuaciones de Navier-Stokes, aproximaciones y simplificaciones.
5. Generación de mallas computacionales: tipos de mallas, resolución espacial y temporal, consideraciones de estabilidad y convergencia.
6. Forzamientos meteorológicos: viento, presión atmosférica, temperatura y su influencia en el modelado.
7. Interacción ola-corriente: efectos en la propagación de olas, transporte de sedimentos y estructuras costeras.
8. Modelado de eventos extremos: tormentas, huracanes, tsunamis y su impacto en la costa.
9. Análisis de resultados y visualización: interpretación de datos, mapas de altura de ola, corrientes y transporte de sedimentos.
10. Aplicaciones del modelado avanzado: diseño de estructuras marítimas, gestión costera y predicción de riesgos.

‘

1. Introducción al modelado predictivo: conceptos, tipos y aplicaciones en la navegación.
2. Estadística descriptiva e inferencial aplicada al análisis de riesgos marítimos.
3. Análisis de datos marítimos: fuentes de información, calidad y preprocesamiento.
4. Modelos de regresión lineal y logística para la predicción de incidentes.
5. Series temporales: análisis y predicción de eventos relacionados con la navegación.
6. Modelos de clasificación: árboles de decisión, máquinas de soporte vectorial (SVM) y redes neuronales.
7. Evaluación de modelos predictivos: métricas de rendimiento, validación cruzada y ajuste de parámetros.
8. Análisis de riesgos probabilístico: identificación de peligros, evaluación de la probabilidad y consecuencias.
9. Simulación Monte Carlo: modelado de incertidumbre y análisis de escenarios.
10. Visualización de resultados y comunicación efectiva de los hallazgos.

‘

1. Introducción a la Oceanografía: Disciplinas, escalas espaciales y temporales.
2. Fundamentos de la Teledetección Oceanográfica: Sensores activos y pasivos, procesamiento de imágenes satelitales.
3. Análisis Estadístico Descriptivo para Datos Oceanográficos: Medidas de tendencia central, dispersión y distribución.
4. Visualización de Datos Oceanográficos: Uso de software especializado (e.g., Python, R) para crear gráficos y mapas.
5. Modelado Numérico Oceanográfico: Introducción a los modelos hidrodinámicos y de olas.
6. Calibración y Validación de Modelos: Uso de datos observacionales para la mejora de los modelos.
7. Análisis de Series Temporales Oceanográficas: Descomposición, tendencias y patrones estacionales.
8. Modelado Predictivo con Aprendizaje Automático: Regresión, clasificación y redes neuronales aplicadas a la oceanografía.
9. Evaluación del Rendimiento de Modelos Predictivos: Métricas de precisión, recall y F1-score.
10. Aplicaciones del Análisis de Datos y Modelado en la Gestión Costera y el Cambio Climático.

‘

1. Introducción al modelado predictivo en el ámbito marítimo: Conceptos y aplicaciones.
2. Estadística descriptiva y análisis exploratorio de datos marítimos: Variables, distribuciones, visualización.
3. Fundamentos de la probabilidad: Teorema de Bayes, distribuciones de probabilidad relevantes para el riesgo marítimo.
4. Regresión lineal y logística: Modelos para predecir eventos discretos y continuos en el contexto marítimo.
5. Modelos de series temporales: Análisis y predicción de fenómenos marítimos dependientes del tiempo (oleaje, corrientes, etc.).
6. Análisis de supervivencia: Modelado del tiempo hasta un evento (e.g., accidente marítimo, fallo de equipo).
7. Aprendizaje automático supervisado: Árboles de decisión, máquinas de vectores de soporte (SVM), redes neuronales para la predicción de riesgos.
8. Evaluación de modelos predictivos: Métricas de rendimiento, validación cruzada, ajuste fino.
9. Visualización de resultados y comunicación de riesgos: Elaboración de informes y presentaciones claras y concisas.
10. Estudio de casos: Aplicación de modelos predictivos a problemas reales de análisis de riesgos marítimos.

‘

1. Introducción a la gestión de riesgos marítimos: conceptos clave y normativas
2. Identificación de peligros: fuentes de información, listas de chequeo y análisis históricos
3. Evaluación de riesgos: probabilidad, severidad, matrices de riesgo y niveles aceptables
4. Modelado de escenarios: tormentas, fallos de equipos, errores humanos y colisiones
5. Técnicas de simulación: Monte Carlo, análisis de sensibilidad y árboles de eventos
6. Análisis de consecuencias: impacto ambiental, económico y en la seguridad
7. Medidas de mitigación: barreras de seguridad, planes de contingencia y formación
8. Análisis costo-beneficio de las medidas de mitigación: criterios de inversión y optimización
9. Monitorización y revisión de riesgos: indicadores clave, auditorías y mejora continua
10. Comunicación de riesgos: informes, presentaciones y sensibilización a la tripulación

‘

1. Introducción a la Oceanografía y Meteorología: Conceptos básicos y su relevancia.
2. Instrumentación Oceanográfica: Tipos, calibración y mantenimiento de sensores.
3. Adquisición de Datos Meteorológicos: Estaciones meteorológicas, boyas y satélites.
4. Análisis Estadístico Descriptivo: Medidas de tendencia central y dispersión.
5. Visualización de Datos: Herramientas y técnicas para representar datos oceanográficos y meteorológicos.
6. Control de Calidad de Datos: Identificación y corrección de errores.
7. Bases de Datos Oceanográficas y Meteorológicas: Estructura y acceso a datos históricos.
8. Análisis de Series Temporales: Tendencias, estacionalidad y ciclos.
9. Modelado Predictivo Básico: Regresión lineal y otras técnicas.
10. Aplicaciones Prácticas: Estudios de caso y ejemplos reales.

‘