En los últimos años, las emisiones de los buques se han convertido en una creciente amenaza ambiental. La Organización Marítima Internacional ha implementado varias normas y regulaciones para resolver esta preocupación. El Plan de Gestión de la Eficiencia Energética del Buque, el Índice de Diseño de Eficiencia Energética y el Indicador Operativo de Eficiencia Energética son ejemplos de pautas que aumentan la eficiencia energética y reducen las emisiones de los buques. La potencia del eje del motor principal (MESP) y el consumo de combustible (FC) son los componentes críticos utilizados en los cálculos de eficiencia energética de los buques. Los errores en las metodologías de cálculo de eficiencia energética de los buques también son causados por la interpretación errónea de estos valores. Este estudio tiene como objetivo predecir el MESP y el FC de un buque portacontenedores con la ayuda de metodologías basadas en datos que utilizan datos reales de viaje para ayudar en el proceso de cálculo de los índices de eficiencia energética del buque de manera adecuada. El éxito de la predicción de los algoritmos se midió utilizando las métricas de error RMSE, MAE y R. Cuando se analizaron los resultados de la simulación, las redes neuronales profundas y los algoritmos de Bayes predijeron mejor el MESP con 0,000001 y 0,000002 de RMSE, 0,000987 y 0,000991 de MAE, y 0,999999 de R, respectivamente, mientras que la regresión lineal múltiple y los algoritmos de Kernel Ridge estimaron mejor el FC con 0,000208 y 0,000216 de RMSE, 0,001375 y 0,001471 de MAE, y 0,999999 de R, respectivamente.