高级进修项目1,500 小时 · 在线 · 11 个模块
海上安全机器学习高级进修项目
本高级进修项目使你能够发现异常模式并保护海事行业免受当前威胁。你将学习 AIS、雷达与运营数据以及异常检测方法，包括模型评估与误报成本。
学时1,500 h
形式在线
开课12月1日
模块11
课程诊断
基础知识自测
以下是本课程将帮助您掌握的能力。勾选您已经掌握的项目，我们会告诉您哪些课程内容最适合您。
您的诊断结果
6/ 6 项待提升
您在该领域从零起步。本课程正是为此而设计。
课程简介
海上安全机器学习高级进修项目是什么？
本 1,500 学时的在线高级进修项目帮助你保护海事行业免受当前威胁。你将学习在航行数据中发现异常模式，预判船舶和港口的网络安全风险，并优化应急响应。项目将机器学习理论与实践案例相结合。
项目特色：聚焦海事应用，提供匿名化数据集，并使用 Python 与 TensorFlow 等工具。
课程类型高级进修项目
形式在线
学时1,500 小时
模块11
开课12月1日
课程亮点
- 用于早期发现威胁的高级预测分析。
- 全面海上安全：保护船舶、港口与航线。
- 在交互式地图上实现地理空间数据可视化。
- 行业真实情景的实践案例与模拟。
- 助力海上安全领域的职业发展。
课程大纲
海上安全机器学习高级进修项目课程大纲
共 11 个模块。选择模块即可查看具体内容。
模块 1
面向海事领域的机器学习与数据科学基础
- 1.1. 海事行业机器学习导论：在安全、监视与应急响应中的应用场景
- 1.2. 含噪海洋数据（雷达、声呐、GNSS 与物联网传感器）的预处理、清洗与缺失值填补
- 1.3. 监督学习算法应用：回归、决策树、随机森林与 SVM
- 1.4. 无监督学习算法：用于交通模式识别与异常检测的聚类（K-Means、DBSCAN）
- 1.5. 深度学习基础：多层感知机与高级架构
- 1.6. 模型评估与验证：罕见风险事件的性能指标（精确率、召回率、ROC-AUC）
- 1.7. Python 生态工具与库（Scikit-Learn、TensorFlow、PyTorch、Pandas、GeoPandas）
- 1.8. 面向海事管控环境的实时数据流（Data Streaming）接入与管理
- 1.9. MLOps 原则：在搜救中心与船舶上部署、监控与更新模型
- 1.10. 关键航行决策中的人工智能伦理、偏差与可解释性（XAI - SHAP/LIME）
本阶段内容
136 h预计学习时长11 周周（按您的进度）模块 2
异常检测与非常规海上交通识别（AIS/雷达）
- 2.1. AIS（船舶自动识别系统）与 VMS（船舶监控系统）数据的结构与大规模处理
- 2.2. 基于卡尔曼滤波与循环神经网络（RNN/LSTM）的航迹对齐与重建算法
- 2.3. 利用机器学习检测应答器关闭（暗船）及可疑行为
- 2.4. 通过时空模式分析识别非法、不报告和不管制（IUU）捕捞
- 2.5. 利用无监督模型（孤立森林、自编码器）识别无意或恶意的航线偏离
- 2.6. 基于运动学与操纵模式的船型自动分类
- 2.7. GPS/AIS 身份欺骗（Spoofing）与船位伪造检测
- 2.8. 交通密度建模与碰撞风险动态热力图
- 2.9. 岸基雷达与合成孔径雷达（SAR）数据与远程信息信号的融合
- 2.10. 用于发现公海贩毒、走私与海盗活动的早期预警系统
本阶段内容
136 h预计学习时长11 周周（按您的进度）模块 3
海上计算机视觉与目标自动识别
- 3.1. 计算机视觉在海洋环境中的应用基础：光学挑战（眩光、波浪、雾、反射）
- 3.2. 基于 YOLO、Faster R-CNN 与 Mask R-CNN 架构的海上目标实时检测与分割
- 3.3. 基于光电（EO）与红外（IR/FLIR）图像的船艇分类
- 3.4. 处理光学卫星影像与合成孔径雷达（SAR）影像，实现全球海洋监视
- 3.5. 障碍物、落水人员、漂流集装箱与海洋生物的自动识别
- 3.6. 船载摄像机视频序列中的多目标跟踪（MOT）算法
- 3.7. 计算机视觉在自主靠泊与狭窄水道航行中的应用
- 3.8. 利用多光谱影像检测溢油与塑料污染
- 3.9. 将图像与运动学数据融合，实现驾驶台沉浸式态势感知
- 3.10. 针对无人机与浮标上安装的边缘设备（Edge AI）优化视觉模型
本阶段内容
136 h预计学习时长11 周周（按您的进度）模块 4
避碰与零风险自主航行（COLREGs）
- 4.1. 《国际海上避碰规则公约》（COLREG）的数学形式化与解释
- 4.2. 船舶领域（Ship Domain）计算与碰撞风险指标（CPA - 最近会遇点、TCPA）
- 4.3. 用于避让操纵动态决策的强化学习
- 4.4. 环境与交通约束下的安全路径规划算法
- 4.5. 智能航行辅助与支持系统（决策支持系统 DSS）
- 4.6. 多船会遇场景仿真与极端危险局面的化解
- 4.7. 用于船舶动态行为建模的物理信息神经网络（PINNs）
- 4.8. 通过生物特征监测与人工智能可视化评估人为因素并分析疲劳
- 4.9. 人工智能与船舶远程识别与跟踪系统（LRIT）的集成
- 4.10. 依据国际海事组织（IMO）指南对自主航行算法进行验证与认证（MASS 船舶）
本阶段内容
136 h预计学习时长11 周周（按您的进度）模块 5
气象预报、海况建模与安全航线规划
- 5.1. 用于快速预报极端天气事件（突发强风、飓风、雾）的机器学习模型
- 5.2. 海洋水文数据处理：海表温度、盐度、海流与有效波高
- 5.3. 用于预测漂浮物、失控船艇及溢油漂移的机器学习算法
- 5.4. 气象导航（Weather Routing）航线优化，降低恶劣天气损伤风险
- 5.5. 利用 SAR 影像与机器学习检测并预测海冰与冰山形成
- 5.6. 利用深度学习算法对畸形浪（Rogue Waves）建模
- 5.7. 检测因动稳性丧失导致的共振与倾覆危险（参数横摇）
- 5.8. 将传统数值预报（ECMWF、NOAA）与人工智能校正模型融合
- 5.9. 估算波浪对海上结构物与港口的冲击力
- 5.10. 生成交互式气象风险图并实时推荐航线
本阶段内容
136 h预计学习时长11 周周（按您的进度）模块 6
预测性维护、船舶健康与营运安全
- 6.1. 船体结构健康监测（Structural Health Monitoring）：疲劳、裂纹与变形检测
- 6.2. 利用物联网传感器对推进装置（主机、辅机与涡轮增压器）进行预测性维护
- 6.3. 利用早期故障分类算法分析振动与润滑数据
- 6.4. 利用时间序列回归模型估算关键船舶部件的剩余使用寿命（RUL）
- 6.5. 监测舵机、伺服电机与螺旋桨，防止操纵能力丧失
- 6.6. 灭火系统、舱口水密性与舱底泵的故障检测
- 6.7. 评估现代船舶电池及混合动力/电力推进系统的状态
- 6.8. 分析船舶“黑匣子”（VDR - 航行数据记录仪）数据用于安全审核
- 6.9. 预防性维护计划与应急备件供应的自动化
- 6.10. 基于数据驱动的数字孪生，实时评估船舶安全
本阶段内容
136 h预计学习时长11 周周（按您的进度）模块 7
海事网络安全与关键基础设施保护
- 7.1. 海事领域网络威胁态势分析：船舶、港口与通航运河
- 7.2. 利用机器学习检测船载 OT/IT 网络（CAN 总线、NMEA、Modbus）中的入侵与异常
- 7.3. 利用人工智能保护定位系统（GPS/GNSS）免受欺骗与干扰攻击
- 7.4. 借助零信任架构与人工智能保障自主船舶与云连接船舶的网络安全
- 7.5. 船员及控制中心人员网络行为分析（网络钓鱼与数据泄露检测）
- 7.6. 港口基础设施与自动化码头的信息物理风险预测模型
- 7.7. 检测针对海事工业控制系统（ICS/SCADA）的勒索软件与恶意软件
- 7.8. 利用文本挖掘与自然语言处理开展海事网络威胁情报（Cyber Threat Intelligence）
- 7.9. 航行期间船上网络安全事件的自动化响应规程
- 7.10. 海事网络安全法规（国际海事组织 MSC.428(98) 决议、ISO/IEC 27001、NIS 2）
本阶段内容
136 h预计学习时长11 周周（按您的进度）模块 8
搜寻救助（SAR）与智能应急管理
- 8.1. 通过算法预测搜寻区域，优化搜寻救助（SAR）行动
- 8.2. 救援任务中无人机（UAV）集群与无人水面艇（USV）的自主协同
- 8.3. 利用边缘人工智能算法对落水人员（MOB - 人员落水）进行热成像与视觉检测
- 8.4. 利用基于智能体的仿真与机器学习规划客船紧急撤离
- 8.5. 海难中救援资源的优先级排序与分配算法
- 8.6. 利用自然语言处理分析遇险呼叫（Mayday）与语音通信
- 8.7. 船上火灾风险管理：预测火焰与烟雾在甲板间的蔓延
- 8.8. 早期预警系统与 Cospas-Sarsat 卫星网络的集成
- 8.9. 利用机器学习模型评估碰撞或搁浅后的损害
- 8.10. 分析历史海难数据，持续改进救助规程
本阶段内容
136 h预计学习时长11 周周（按您的进度）模块 9
港口保安、海上边境管控与全球海事管理
- 9.1. 利用人脸与车牌识别对港口出入口及限制区域进行智能监控
- 9.2. 集装箱自动查验：基于深度学习影像的 X 射线/伽马射线无损分析
- 9.3. 在港区内发现偷渡者、人口贩运与违禁货物
- 9.4. 船舶进港前的风险评估（智能港口国监督）
- 9.5. 港口拥堵预测模型及锚地事故预防
- 9.6. 港口环境安全：空气质量、噪声与意外泄漏监测
- 9.7. 船港界面保安协调（ISPS 规则）
- 9.8. 冲突地区海上航线的地缘政治情报与风险评估
- 9.9. 人工智能赋能的船舶交通信息与管理系统（VTS - 船舶交通服务）
- 9.10. 国际治理、公海数据隐私及安全领域人工智能监管
本阶段内容
136 h预计学习时长11 周周（按您的进度）模块 10
机器学习模型的伦理、可解释性与业务部署
- 10.1. 用于训练的海事数据质量
- 10.2. 模型偏差与鲁棒性
- 10.3. 可解释性与可理解性
- 10.4. 模型验证与测试
- 10.5. MLOps 与生产部署
- 10.6. 船载边缘计算
- 10.7. 模型漂移监测
- 10.8. 人工智能监管
- 10.9. 问责与人工监督
- 10.10. 业务部署项目
本阶段内容
136 h预计学习时长11 周周（按您的进度）模块 11
硕士毕业项目：海上安全智能系统
- 11.1. 界定海上安全领域的真实案例（预防、监视、搜救或网络安全）
- 11.2. 海洋数据集（AIS、卫星影像、传感器）的选择、采集与结构化
- 11.3. 设计解决所提问题的机器学习或深度学习架构
- 11.4. 所开发模型的训练、超参数调优与优化
- 11.5. 将各组件集成到实时数据管道（Data Pipeline）中
- 11.6. 为搜救中心或驾驶台开发用户界面/业务仪表板
- 11.7. 利用未见数据与关键场景仿真对系统进行实验验证
- 11.8. 评估对降低风险、运营成本与响应时间的影响
- 11.9. 按学术与行业标准撰写技术报告与执行摘要
- 11.10. 公开展示、模型现场演示及在专家评审委员会前进行口头答辩
本阶段内容
136 h预计学习时长11 周周（按您的进度）规划学习节奏
海上安全机器学习高级进修项目的学制与学习形式
课程共 1,500 小时。告诉我们您每周能投入多少小时，我们会算出您实际完成的时间。
4 h30 h
每周学习 12 小时
29
个月即可完成
125 周
周（总计）
大多数学员以这一节奏完成课程，与分期付款计划十分契合。
师资团队
学术管理与师资团队
Navalis 教学团队：由仍在一线工作的业内专业人士授课并指导各项课程。
Dra. Marina Alcover学术总监兼质量保证负责人
Ing. Diego Cifuentes船舶焊接与无损检测高级讲师；焊接接头 QA/QC 负责人
Cap. Javier Abaroa (MCA)船舶操纵、电子航海（ECDIS/雷达/ARPA）与 GMDSS 高级讲师；STCW 合规与驾驶台资源管理协调人
Dr. Pau Ferrer船舶设计与仿真高级讲师；水动力学与 CFD 实验室主任
Dra. Nuria Llobregat海洋气象、SAR 与作业安全高级讲师；航行风险管理协调人
Ing. Javier Bañuls电气工程、自动化与 ETO 工程高级讲师；电子集成与机舱报警系统协调人
Ing. Sofía Marquina材料、复合材料与防腐高级讲师；先进涂料与涂层方向协调人
Ing. Tomás Riera推进系统、替代能源与混合动力系统高级讲师；能效与振动协调人培养目标
海上安全机器学习高级进修项目的培养目标
01实时发现和预测可疑活动。
02优化海事运营中的风险管理。
03实现海上交通异常识别自动化。
04开发预防海上事故的预测模型。
05提高海上应急响应效率。
06加强关键海事基础设施的网络安全。
职业发展
海上安全机器学习高级进修项目的就业前景
常见问题
关于海上安全机器学习高级进修项目的疑问
海上安全
是。课程包括 ECDIS/Radar-ARPA/BRM，涵盖港口、远洋、雾航、恶劣天气和 SAR 场景。
在线学习并配有直播课程；可通过合作协议选择混合模式，参加模拟器实训/实习。
通过分析雷达、AIS 与气象数据来预测和预防碰撞。
建议具备 SMCP 实用水平。我们提供标准航海用语的辅助学习材料。
可以，需具备相关学历或海事/港口作业经验。入学面试将确认是否适合。
可选（3–6 个月），通过“企业与合作”及校友网络安排。
模拟器实操（评分量表）、航次计划、SOP、检查清单、小测验以及应用型硕士毕业论文。
在线申请
入学流程
无需等待回电。材料齐全的话，您可以在同一次操作中完成报名。
入学要求
- 背景：数学、统计、计算机工程、物理或相关领域学位，或经认证的数据科学、软件开发或海上安全分析从业经验。
- 语言：建议具备高级技术英语。
- 技术知识：基础编程（Python 优先）、统计学与线性代数。
- 材料：简历、学历证书复印件、成绩单（如适用）、身份证件或护照及动机信。
- 在线学习技术要求：配备摄像头和麦克风的电脑、稳定的网络连接，以及可使用数据分析与机器学习软件（提供免费或开源替代方案）。
- 01提交申请填写个人信息、教育与工作背景并上传材料。
- 02即时审核我们核实材料是否完整、合规。
- 03完成注册选择全额支付或分期付款，锁定您的名额。
开始申请首付低至 ¥ 5,680
在委员会审核所提交材料之前，录取为临时录取。如不符合入学要求，将全额退款。