La industria marítima es integral para el comercio global y depende en gran medida de pronósticos precisos para mantener la eficiencia, la seguridad y la sostenibilidad económica. La adopción del aprendizaje profundo para el análisis predictivo ha mejorado notablemente la precisión operativa, la eficiencia de costos y la toma de decisiones. Esta tecnología facilita un análisis avanzado de series temporales, vital para optimizar las operaciones marítimas. Este documento revisa las aplicaciones del aprendizaje profundo en el análisis de series temporales dentro de la industria marítima, centrándose en tres áreas: temas relacionados con la operación de buques, temas relacionados con la operación de puertos y temas relacionados con el mercado de envíos. Proporciona una visión detallada de la literatura existente sobre aplicaciones como la predicción de trayectorias de buques, la predicción del consumo de combustible de buques, la predicción del rendimiento portuario y la predicción del mercado de envíos. El documento examina de manera integral las principales arquitecturas de aprendizaje profundo utilizadas para la predicción de series temporales en la industria marítima, categorizándolas en cuatro tipos principales. Analiza sistemáticamente las ventajas de las arquitecturas de aprendizaje profundo en diferentes escenarios de aplicación y explora metodologías para seleccionar modelos basados en requisitos específicos. Además, analiza las fuentes de datos de la literatura existente y sugiere direcciones para futuras investigaciones.