“Sorlock Holmes” predicción de actividad delictiva en el Municipio de Tumaco mediante técnicas de machine learning

Alegría Campaz, Anyela Soranyi (2022) “Sorlock Holmes” predicción de actividad delictiva en el Municipio de Tumaco mediante técnicas de machine learning. Project Report. Universidad de Nariño, San Juan de Pasto.

Text 2022044.pdf Download (2MB)

Resumen

En la actualidad existen pocos estudios comparativos de algoritmos supervisados y no supervisados de machine learning, los cuales puedan ser aplicados para dar soluciones a problemas de carácter social, político, económico, etc; para de tal manera poder crear herramientas enfocadas en no solo para zonificar y agrupar delitos a través de los datos provenientes del Observatorio del Delito Colombiano, que ayuden en el proceso de investigación e identificación puntual de los delitos y de quienes los cometen, siendo este un factor muy desfavorable para contribuir en los planes de mitigación de delincuencia, si no también poder abarcar diversos problemas de carácter social, para lo cual es de gran importancia la aplicación de un estudio comparativo de machine learning para la obtención de un modelo de regresión y agrupación, aplicando descubrimiento de conocimiento en bases de datos (KDD) en históricos de actividad delictiva en el municipio de Tumaco, con el fin de brindar una herramienta que aporte a la investigación y permita ayudar en los planes de contingencia de los entes de control frente a los diferentes tipos de problemas de actividad delictiva. Se relaciona la metodología KDD la cual consiste en una serie de pasos que permiten el desarrollo de dicha investigación. Primero, consiste en la abstracción del escenario, 2) selección de datos, 3) limpieza y preprocesamiento, 4) transformación de los datos, 5) elección de tareas de Minería de Datos, 6) elección del algoritmo, 7) aplicación del algoritmo, 8) evaluación e interpretación y 9) entendimiento del conocimiento. Finalmente, cabe aclarar que las variables que se contemplan para el desarrollo, son datos que no son sensibles y que algunas de ellas tampoco son suministradas por las diferentes fuentes de información con el fin de mantener la seguridad e integridad de los datos frente a los diferentes casos de actividad delictiva.

Tipo de Elemento:	Monografía (Project Report)
Información Adicional:	Asesor: Ing. Héctor Andrés Mora Docente Departamento de Sistemas
Palabras Clave:	Machine learnig, Herramientas informáticas, Procesamiento de datos, Minería de datos,
Asunto:	T Tecnología > T Technology (General)
Division:	Facultad de Ingeniería > Programa de Ingeniería de Sistemas > Trabajos de grado
Depósito de Usuario:	Funcionario Biblioteca Uno
Fecha Deposito:	10 Oct 2025 18:37
Ultima Modificación:	11 Oct 2025 15:41
URI:	http://sired.udenar.edu.co/id/eprint/16941

Ver Elemento