Análisis de agrupamiento de distintos tipos de hurtos en la ciudad de Medellín

El presente estudio aborda los datos correspondientes a las denuncias de distintos tipos de hurtos ocurridos en la ciudad de Medellín desde enero de 2003 hasta marzo de 2023. Con el propósito de caracterizar el comportamiento de los hurtos exhibido en los datos, se implementan tres algoritmos de agr...

Full description

Autores:

Franco Franco, Sebastián
Giraldo Martínez, Alba Julieth

Tipo de recurso:

Tesis

Fecha de publicación:

2025

Institución:

Universidad de Antioquia

Repositorio:

Repositorio UdeA

Idioma:

spa

OAI Identifier:

oai:bibliotecadigital.udea.edu.co:10495/46650

Acceso en línea:

https://hdl.handle.net/10495/46650

Palabra clave:

Aprendizaje automático no supervisado
Unsupervised Machine Learning
Análisis de datos
Data analysis
Hurto
Larceny
http://vocabularies.unesco.org/thesaurus/concept2214
https://id.nlm.nih.gov/mesh/D000069558
ODS 3: Salud y bienestar. Garantizar una vida sana y promover el bienestar de todos a todas las edades
ODS 11: Ciudades y comunidades sostenibles. Lograr que las ciudades y los asentamientos humanos sean inclusivos, seguros, resilientes y sostenibles
ODS 16: Paz, justicia e instituciones sólidas. Promover sociedades pacíficas e inclusivas para el desarrollo sostenible, facilitar el acceso a la justicia para todos y construir a todos los niveles instituciones eficaces e inclusivas que rindan cuentas

Rights

openAccess

License

http://creativecommons.org/licenses/by-nc-sa/4.0/