Thales-Callidus: Modelo de Aprendizaje Profundo y Visualización para la Toma de Decisiones en Seguridad Pública

Este proyecto presenta un modelo de aprendizaje profundo y una plataforma de visualización interactiva para apoyar la toma de decisiones estratégicas en temas de seguridad pública en la Ciudad de México.

🏆 Reconocimiento

🏅 Segundo lugar en la categoría Reto Thales durante la 6.ª edición de HackMX, celebrado el 25 y 26 de octubre de 2024 en el Tecnológico de Monterrey, Campus Estado de México.

🚨 Descripción del Proyecto

La solución desarrollada se enfoca en:

• Analizar patrones de criminalidad mediante técnicas de Deep Learning
• Integrar datos abiertos de seguridad pública de la CDMX
• Generar visualizaciones interactivas para facilitar el entendimiento de zonas de riesgo
• Apoyar a tomadores de decisiones en la gestión y prevención de incidentes delictivos

El modelo se entrenó con datos históricos de delitos clasificados por fecha, ubicación, tipo y frecuencia, aplicando redes neuronales para identificar zonas de alta peligrosidad y posibles tendencias delictivas.

🧠 Tecnologías Utilizadas

• Python
• Pandas y NumPy para análisis de datos
• TensorFlow/Keras para modelos de aprendizaje profundo
• PowerBI para visualización interactiva

🛰 Sobre Thales

Thales Group es una empresa global líder en tecnologías avanzadas en los sectores de defensa, seguridad, aeroespacial, transporte e identidad digital. En México, colabora estrechamente con instituciones públicas para mejorar la seguridad a través de soluciones tecnológicas de alta precisión.

📊 Resultados Clave

• Mapa interactivo de calor con zonas de alta incidencia delictiva por alcaldía
• Panel de control para la exploración de métricas por periodo, tipo de delito y ubicación

Elaborado por:

• Alyson Melissa Sánchez Serratos
• Victor Alonzo Estevez Chávez
• Miguel Ángel Pérez Ávila