Documentos de Académico
Documentos de Profesional
Documentos de Cultura
2. Importancia
La importancia del problema radica en la necesidad de mejorar la seguridad pública y reducir
la tasa de delitos en las áreas metropolitanas, lo que puede tener un impacto significativo en
la calidad de vida de las personas que viven en esas áreas. (Chackravarthy et al., 2018)
3. Aporte
Los autores del paper realizaron una investigación sobre la predicción y pronóstico del
crimen utilizando técnicas de aprendizaje automático y aprendizaje profundo. Su aporte
consistió en explorar los desafíos y oportunidades de estimar con precisión las tasas, tipos y
puntos calientes de delitos a partir de patrones pasados, y proponer diferentes algoritmos de
aprendizaje automático para lograr una mejor precisión predictiva. El producto final de la
investigación fue la propuesta de diferentes algoritmos de aprendizaje automático,
TALLER DE DESEMPEÑO PROFESIONAL 2023-02
4. Proceso
Los autores propusieron una metodología y un marco de estudio para la predicción y
previsión de delitos utilizando técnicas de aprendizaje automático y aprendizaje profundo.
La metodología implicó los siguientes pasos:
1. Recopilación de datos: los autores recopilaron datos sobre delitos de repositorios en línea
y los procesaron previamente para eliminar anomalías en los valores atípicos, ruido, valores
faltantes y otras discrepancias.
5. Análisis de resultados: Los autores analizaron los resultados obtenidos de los modelos
desarrollados y los compararon con los modelos de última generación existentes.
(Chackravarthy et al., 2018)
TALLER DE DESEMPEÑO PROFESIONAL 2023-02
5. Principal Resultado
6. Crítica al artículo
Safat, W., Asghar, S., & Gillani, S. A. (2021). Empirical Analysis for Crime Prediction and
Forecasting Using Machine Learning and Deep Learning Techniques. IEEE Access, 9,
70080–70094. https://doi.org/10.1109/ACCESS.2021.3078117
7. Evidencia de Scimago
Se debe obtener de la siguiente página: https://www.scimagojr.com/