• Título:  APPLICATIONS OF MACHINE LEARNING AND DATA SCIENCE TO THE BLUE ECONOMY: SUSTAINABLE FISHING AND WEATHER ROUTING
• Autor:  Precioso Garcelán, Daniel
• Universidad:  Universidad de Cádiz
• Departamento:  Ingeniería informática
• Fecha de Lectura:  18/07/2023
• Mención Europeo / Mención Internacional: concedido
• Programa de doctorado:  Programa de Doctorado en Ingeniería Informática/ Computer Engineering por la Universidad de Cádiz
• Dirección: 
  • GOMEZ-ULLATE OTEIZA, DAVID (DIRECTOR)
  • PIZARRO JUNQUERA, JOAQUÍN (TUTOR/PONENTE)
• Tribunal: 
  • Schäfer, Jörg (PRESIDENTE)
  • DORRONSORO DÍAZ, BERNABÉ (SECRETARIO)
  • navarro almendros, gabriel (VOCAL)
• Descriptores: 
  • ANALISIS DE DATOS
  • REDES NEURONALES
• Localización:  UNIVERSIDAD DE CADIZ
• 715860_1633466.pdf
• Resumen:
  La Economía Azul ha surgido como un campo de estudio interdisciplinario que busca aprovechar los recursos del océano de manera sostenible y preservar su salud ambiental. Este concepto se ha vuelto cada vez más importante para alcanzar los Objetivos de Desarrollo Sostenible de las Naciones Unidas. Sin embargo, el desarrollo económico y la sostenibilidad pueden entrar en conflicto, lo que destaca la necesidad de abordar estos desafíos con herramientas adecuadas. La ciencia de datos, y en particular el aprendizaje automático (Machine Learning), se ha convertido en una herramienta valiosa para abordar los desafíos de la Economía Azul. Por ejemplo, en el ámbito de la pesca sostenible, es muy relevante la monitorización de poblaciones de peces, que se puede realizar mediante modelos de Machine Learning. En otro ámbito, como es el transporte marítimo, la implementación de herramientas de ¿weather routing¿ puede optimizar las rutas por mar, mejorando la eficiencia en el consumo de combustible y garantizando una reducción en las emisiones de gases de efecto invernadero. En esta tesis se profundizará en el estudio de la pesca sostenible y el weather routing en el contexto de la Economía Azul, aplicando técnicas de ciencia de datos para mejorar la eficiencia y sostenibilidad en ambos campos.