Mejora de la eficiencia computacional de un sistema de predicción de tipo de buque utilizando parámetros de trayectorias y técnicas de IA

Abstract

El presente Trabajo de Fin de Grado se enmarca en la continuación de una línea de investigación centrada en la predicción del tipo de buque a partir de parámetros derivados de sus trayectorias, utilizando técnicas de aprendizaje automático. Los trabajos previos ofrecían resultados prometedores en cuanto a precisión, pero presentaban limitaciones computacionales importantes, con tiempos de ejecución que podían superar las 70 horas, lo que dificultaba su aplicación en entornos operativos o en análisis de gran volumen de datos. Este TFG tiene como objetivo principal mejorar la eficiencia computacional del sistema de predicción, manteniendo su capacidad clasificadora. Para ello, se han rediseñado varias fases del procesamiento, eliminando el acceso iterativo a los datos y unificando la carga en un único DF. Además, se ha migrado el procesamiento a GPU mediante el uso de cuDF, lo que permite aprovechar el paralelismo masivo para reducir significativamente los tiempos de ejecución. También se ha analizado la relevancia de los parámetros dinámicos, con el fin de reducir la complejidad del modelo eliminando aquellas variables con escasa contribución predictiva. Estas optimizaciones sientan las bases para un sistema más ligero, escalable y adaptable a aplicaciones en tiempo real o en entornos con recursos computacionales limitados.