El aprendizaje automático, o machine learning, ha entrado con fuerza en el ámbito de la
investigación, transformando la forma en que los científicos y académicos abordan sus
problemas. Se puede considerar como un nuevo pilar en el proceso de la investigación científica,
complementando las metodologías tradicionales.
En los últimos años, el machine learning ha demostrado ser una herramienta esencial en el
análisis de grandes conjuntos de datos, descubrir patrones y extraer conocimientos valiosos que
de otra forma se nos escaparían.
Además, la programación permite, cada vez más, automatizar procesos que de otra forma serían
áreas tediosas y repetitivas, liberando así tiempo para realizar otras actividades de investigación.
Las imágenes satelitales y los datos del Sistema de Identificación Automática (AIS, siglas en
inglés) de las embarcaciones son dos fuentes valiosas de información en el ámbito de la
navegación.
Las imágenes radar ofrecen una visión de la ubicación y el movimiento de las embarcaciones
independientemente de las condiciones climáticas o de iluminación.
Por otro lado, los datos AIS son un sistema de seguimiento cada vez implantado en más buques
y navíos de recreo que transmiten datos clave, como la identificación, rumbo, velocidad y
medidas de la embarcación, enviados regularmente y recibidos por barcos y puertos
mundialmente.
Dentro de este marco se busca realizar un trabajo de investigación centrado en estas tecnologías.
Dicho trabajo tiene dos partes diferenciadas. En la primera parte creamos un código que cruce
datos AIS con las imágenes satelitales cerciorándonos de que realmente las embarcaciones
aparezcan y se vean y la creación de etiquetas mediante buffers para alimentar posteriormente
al modelo de predicción basado en un aprendizaje supervisado. Todo el proceso de obtener los
datos, procesarlos con distintos filtros, crear los buffers y la comprobación de que las etiquetas
están realmente bien, ya que si se alimenta erróneamente el algoritmo nunca funcionará.
Y la segunda parte, que se basa en la realización del modelo de predicción. Para ello es necesario
aprender y entender qué es Machine Learning, cómo funciona y finalmente hacer un proceso
propio.
