Modelo predictivo de hurtos para la ciudad de Medellín utilizando Machine Learning
El hurto a personas es un serio problema de salud pública en el mundo entero. el uso de tecnológica para prevenir el crimen es una práctica cada vez más usada. Sin embargo, según la evidencia se concentra en ciudades grandes, estas cuentan con una gran cantidad de datos accesibles en forma de datos...
- Autores:
-
Puentes Bolivar, Rodrigo
- Tipo de recurso:
- Fecha de publicación:
- 2023
- Institución:
- Universidad Cooperativa de Colombia
- Repositorio:
- Repositorio UCC
- Idioma:
- spa
- OAI Identifier:
- oai:repository.ucc.edu.co:20.500.12494/54260
- Acceso en línea:
- https://hdl.handle.net/20.500.12494/54260
- Palabra clave:
- TG 2023 MGTI 54260
000 - Ciencias de la computación, información y obras generales
Hurto
Algoritmos (computadores)
Programación (computadores electrónicos)
Seguridad ciudadana
Machine Learning
Hurtos
Medellín
Bosques aletorios
Random forest
Decision tree
Supervised learing
Thefts
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by-nc-nd/4.0/
| id |
COOPER2_81fbb2e9675fcff68c8b7c3f08850c25 |
|---|---|
| oai_identifier_str |
oai:repository.ucc.edu.co:20.500.12494/54260 |
| network_acronym_str |
COOPER2 |
| network_name_str |
Repositorio UCC |
| repository_id_str |
|
| dc.title.none.fl_str_mv |
Modelo predictivo de hurtos para la ciudad de Medellín utilizando Machine Learning |
| title |
Modelo predictivo de hurtos para la ciudad de Medellín utilizando Machine Learning |
| spellingShingle |
Modelo predictivo de hurtos para la ciudad de Medellín utilizando Machine Learning TG 2023 MGTI 54260 000 - Ciencias de la computación, información y obras generales Hurto Algoritmos (computadores) Programación (computadores electrónicos) Seguridad ciudadana Machine Learning Hurtos Medellín Bosques aletorios Random forest Decision tree Supervised learing Thefts |
| title_short |
Modelo predictivo de hurtos para la ciudad de Medellín utilizando Machine Learning |
| title_full |
Modelo predictivo de hurtos para la ciudad de Medellín utilizando Machine Learning |
| title_fullStr |
Modelo predictivo de hurtos para la ciudad de Medellín utilizando Machine Learning |
| title_full_unstemmed |
Modelo predictivo de hurtos para la ciudad de Medellín utilizando Machine Learning |
| title_sort |
Modelo predictivo de hurtos para la ciudad de Medellín utilizando Machine Learning |
| dc.creator.fl_str_mv |
Puentes Bolivar, Rodrigo |
| dc.contributor.advisor.none.fl_str_mv |
Maestre Góngora, Gina Paola |
| dc.contributor.author.none.fl_str_mv |
Puentes Bolivar, Rodrigo |
| dc.contributor.researchgroup.none.fl_str_mv |
Grupo de investigación tecnologías de la información Grupo de investigación termomec |
| dc.contributor.jury.none.fl_str_mv |
Arias Quintero, Pedro Alberto |
| dc.subject.classification.none.fl_str_mv |
TG 2023 MGTI 54260 |
| topic |
TG 2023 MGTI 54260 000 - Ciencias de la computación, información y obras generales Hurto Algoritmos (computadores) Programación (computadores electrónicos) Seguridad ciudadana Machine Learning Hurtos Medellín Bosques aletorios Random forest Decision tree Supervised learing Thefts |
| dc.subject.ddc.none.fl_str_mv |
000 - Ciencias de la computación, información y obras generales |
| dc.subject.lemb.none.fl_str_mv |
Hurto Algoritmos (computadores) Programación (computadores electrónicos) Seguridad ciudadana |
| dc.subject.proposal.spa.fl_str_mv |
Machine Learning Hurtos Medellín Bosques aletorios |
| dc.subject.proposal.eng.fl_str_mv |
Random forest Decision tree Supervised learing Thefts |
| description |
El hurto a personas es un serio problema de salud pública en el mundo entero. el uso de tecnológica para prevenir el crimen es una práctica cada vez más usada. Sin embargo, según la evidencia se concentra en ciudades grandes, estas cuentan con una gran cantidad de datos accesibles en forma de datos abiertos. El objetivo de esta investigación es presentar resultados preliminars de un modelo predictivo implementando Machine Learning para predecir hurtos en la ciudad de Medellín, una de las grandes ciudades de Colombia, se utilizó MLForecast para realizar pronósticos de series temporales, se validaron los siguientes modelos LinearRegression, XGBRegressor, RandomForestRegressor, entre otros. Se identificó que los mejores resultados en la predicción de hurtos (con los datos disponibles en el momento) fue RandomForestRegressor. Se concluye que los modelos predictivos son una herramienta útil para fomentar estrategias de prevención del crimen en las ciudades principales, teniendo en cuenta que pueden existir algunas limitaciones como la falta de información. |
| publishDate |
2023 |
| dc.date.issued.none.fl_str_mv |
2023-11-29 |
| dc.date.accessioned.none.fl_str_mv |
2024-02-08T15:41:27Z |
| dc.date.available.none.fl_str_mv |
2024-02-08T15:41:27Z |
| dc.type.none.fl_str_mv |
Trabajo de grado - Maestría |
| dc.type.content.none.fl_str_mv |
Text |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/TM |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| status_str |
acceptedVersion |
| dc.identifier.citation.none.fl_str_mv |
Puentes Bolivar, R. (2023). Modelo predictivo de hurtos para la ciudad de Medellín utilizando Machine Learning. [Tesis de posgrado, Universidad Cooperativa de Colombia]. Repositorio Institucional Universidad Cooperativa de Colombia. https://repository.ucc.edu.co/handle/20.500.12494/54260 |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/20.500.12494/54260 |
| identifier_str_mv |
Puentes Bolivar, R. (2023). Modelo predictivo de hurtos para la ciudad de Medellín utilizando Machine Learning. [Tesis de posgrado, Universidad Cooperativa de Colombia]. Repositorio Institucional Universidad Cooperativa de Colombia. https://repository.ucc.edu.co/handle/20.500.12494/54260 |
| url |
https://hdl.handle.net/20.500.12494/54260 |
| dc.language.iso.none.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.none.fl_str_mv |
Arthur Samuel. (1959). IBM Journal of Research and Development: Vol. Vol 3. Beheshti, N. (2022, March 2). Random Forest Regression. Https://Towardsdatascience.Com/Random-Forest-Regression-5f605132d19d. Borges, J., Zierh, D., & Beigl, M. (2018, September 19). Time-Series Features for Predictive Policing. Time-Series Features for Predictive Policing. Brantingham, P. J., & Brantingham, P. L. (1984). Patterns in crime. 403. https://books.google.com/books/about/Patterns_in_Crime.html?id=1XvaAAAAMAAJ BRAYAN XAVIER BECERRA. (2021, October 5). Colombia, el más afectado de la región por la criminalidad y el segundo del mundo. https://www.larepublica.co/globoeconomia/colombia pais-mas-afectado-por-la-criminalidad-3242474 Caio Roberto. (2022, May). Crisp-DM: las 6 etapas de la metodología del futuro - Blog MBA Esalq USP. https://blog.mbauspesalq.com/es/2022/05/31/crisp-dm-las-6-etapas-de-la-metodologia del-futuro/ Carlos Alberto Campo Agredo, P. (2017). Desarrollo De Modelos De Predicción Sobre El Hurto A Personas En Bogotá A Partir Del Análisis Y Aplicación De Algoritmos En Base De Datos. Corporación Excelencia en la Justicia. (2021). Reloj de la criminalidad. https://www.agenciapi.co/noticia/justicia/reloj-de-la-criminalidad-10-am-es-la-hora-mas peligrosa-en-colombia Daniel Álvarez Gil. (2021, January 14). Metodología CRISP-DM. https://www.adictosaltrabajo.com/2021/01/14/metodologia-crisp-dm DataTechNotes. (2019, June 26). Regression Example with XGBRegressor in Python. Https://Www.Datatechnotes.Com/2019/06/Regression-Example-with-Xgbregressor-in.Html Enrique Paniagua Aris. (2007). La gestión tecnológica del conocimiento. Fox, E. (2017). Linear regression: The model. Godoy Rodríguez, C. (2020, December 17).#/El Proceso de Análisis de Datos explicado paso a paso. https://tesisdeceroa100.com/el-proceso-de-analisis-de-datos-explicado-paso-a-paso/ GÓMEZ MONTECINO, B. A. (2018). DESARROLLO DE UN MODELO PREDICTIVO PARA IDENTIFICAR LA PROBABILIDAD DE ROBO DE VEHÍCULOS EN LA CIUDAD DE SANTIAGO. UNIVERSIDAD DE CHILE. José Miguel Fernández Fernández, & Raquel Flórez López. (2008). Las Redes Neuronales Artificiales (primera edición). Netbiblo. Kadar, C., & Pletikosa, I. (2018). Mining large-scale human mobility data for long-term crime prediction. Springer Link. Kim, D., Jung, S., & Jeong, Y. (2021). Theft Prediction Model Based on Spatial Clustering to Reflect Spatial Characteristics of Adjacent Lands. Sustainability La Nacion. (2022, August 17). Cerca de 400 celulares robados de un local en Bosa fueron recuperados; GPS fue clave. https://www.pulzo.com/nacion/bogota-400-celulares-robados local-bosa-fueron-recuperados-gps-PP1765778A Luis Joyanes Aguilar. (2013). Big Data Análisis de grandes volúmenes de datos en organizaciones (primera edición). MEDATA. (n.d.). MEData. Retrieved October 16, 2023, from http://medata.gov.co/ Medellín cómovamos. (2022). Medellín: percepción de seguridad en la ciudad, 2015-2021. Https://Www.Medellincomovamos.Org/System/Files/2022- 02/Docuprivados/Presentacion%20EPC%20ene2022%20corr2.Pdf. Mosquera Cabra, J. (2021). Trabajo de grado sobre predicción de los tipos de delitos en Medellín. Universidad de Antioquia PABLO ANDRÉS PLAZA ASCENCIO. (2020). DESARROLLO DE UN MODELO PREDICTIVO DE ROBO A CASAS BASADO EN REDES NEURONALES. Pushkar Mandot. (2017, July 17). What is LightGBM, How to implement it? How to fine tune the parameters? Ramos Castillo, L., & Blanquero Bravo Emilio Carrizosa Priego, R. (2018). Regresión Lasso. Santiago Olivares Tobón. (2022, November 25). El 2022 es el año con más hurtos en una década en Medellín. El Colombiano. https://www.elcolombiano.com/antioquia/ano-con-mas-hurto-en una-decada-en-medellin-PN19364029 Víctor Daniel Muñoz Jaramillo. (2021). Machine Learning Models for Crime Prediction in Medellin City. |
| dc.rights.uri.none.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.creativecommons.none.fl_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) Attribution-NonCommercial-NoDerivatives 4.0 International |
| dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) Attribution-NonCommercial-NoDerivatives 4.0 International http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.none.fl_str_mv |
45 p. |
| dc.format.mimetype.none.fl_str_mv |
application/pdf |
| dc.publisher.none.fl_str_mv |
Universidad Cooperativa de Colombia, Posgrado, Maestría en Gestión de Tecnologías de la Información, Bucaramanga |
| dc.publisher.program.none.fl_str_mv |
Maestría en Gestión de Tecnologías de la Información |
| dc.publisher.faculty.none.fl_str_mv |
Posgrado |
| dc.publisher.place.none.fl_str_mv |
Bucaramanga |
| dc.publisher.branch.none.fl_str_mv |
Bucaramanga |
| publisher.none.fl_str_mv |
Universidad Cooperativa de Colombia, Posgrado, Maestría en Gestión de Tecnologías de la Información, Bucaramanga |
| institution |
Universidad Cooperativa de Colombia |
| bitstream.url.fl_str_mv |
https://repository.ucc.edu.co/bitstreams/d9684b07-b93e-4498-86b6-896cf4579d14/download https://repository.ucc.edu.co/bitstreams/bf10efb3-ed59-4307-98e9-21e7c97a02b0/download https://repository.ucc.edu.co/bitstreams/d2de50b2-15f4-4ce4-ba6b-3955776e77ff/download https://repository.ucc.edu.co/bitstreams/a68b0f2f-8f16-4ce4-a432-a97669b7330b/download https://repository.ucc.edu.co/bitstreams/f24e832d-221b-472f-9658-6be889bf3bd8/download https://repository.ucc.edu.co/bitstreams/7ca9166c-7e34-4d63-aebb-41d3aaf2c4b0/download https://repository.ucc.edu.co/bitstreams/62e2024d-cf4b-45c3-9e6c-5746b5ab45d5/download https://repository.ucc.edu.co/bitstreams/327ca27e-259d-4b1e-a974-b2ad87ec830e/download https://repository.ucc.edu.co/bitstreams/badb3657-8f8e-41bd-897f-03e1334fa1cd/download https://repository.ucc.edu.co/bitstreams/a2ab6521-23dd-4cd2-9ed7-ef8df66e7b56/download https://repository.ucc.edu.co/bitstreams/a3f032ae-c752-4fe5-8867-58efb33a2026/download |
| bitstream.checksum.fl_str_mv |
fe016668230bb9493ee762e7624e28d6 0fa235e677a6c58ed148d3460662d029 49cade659a168f005eb355bffeac1649 3bce4f7ab09dfc588f126e1e36e98a45 4460e5956bc1d1639be9ae6146a50347 81529991fe1315c8e606c1f598971dce ddfa8d2f8dbcf02e7b8379d6c8bcd853 29b8ef65f9cb9d91ae3fb23c8aa1cef2 2ef40f8f61707084cf3987ca1a71deb2 4511dc7baef1769627ead9f0bbbec60d 38e1e2af9ebb10c0932b7e70d255882a |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad Cooperativa de Colombia |
| repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
| _version_ |
1814247062760325120 |
| spelling |
Maestre Góngora, Gina PaolaPuentes Bolivar, RodrigoGrupo de investigación tecnologías de la información Grupo de investigación termomecArias Quintero, Pedro Alberto2024-02-08T15:41:27Z2024-02-08T15:41:27Z2023-11-29Puentes Bolivar, R. (2023). Modelo predictivo de hurtos para la ciudad de Medellín utilizando Machine Learning. [Tesis de posgrado, Universidad Cooperativa de Colombia]. Repositorio Institucional Universidad Cooperativa de Colombia. https://repository.ucc.edu.co/handle/20.500.12494/54260https://hdl.handle.net/20.500.12494/54260El hurto a personas es un serio problema de salud pública en el mundo entero. el uso de tecnológica para prevenir el crimen es una práctica cada vez más usada. Sin embargo, según la evidencia se concentra en ciudades grandes, estas cuentan con una gran cantidad de datos accesibles en forma de datos abiertos. El objetivo de esta investigación es presentar resultados preliminars de un modelo predictivo implementando Machine Learning para predecir hurtos en la ciudad de Medellín, una de las grandes ciudades de Colombia, se utilizó MLForecast para realizar pronósticos de series temporales, se validaron los siguientes modelos LinearRegression, XGBRegressor, RandomForestRegressor, entre otros. Se identificó que los mejores resultados en la predicción de hurtos (con los datos disponibles en el momento) fue RandomForestRegressor. Se concluye que los modelos predictivos son una herramienta útil para fomentar estrategias de prevención del crimen en las ciudades principales, teniendo en cuenta que pueden existir algunas limitaciones como la falta de información.Theft from people is a serious public health problem throughout the world. The use of technology to prevent crime is an increasingly used practice. However, as the evidence is concentrated in large cities, they have a large amount of data accessible in the form of open data. The objective of this research is to present preliminary results of a predictive model implementing Machine Learning to predict thefts in the city of Medellín, one of the largest cities in Colombia, MLForecast was used to make time series forecasts, the following LinearRegression models were validated, XGBRegressor, RandomForestRegressor, among others. It was identified that the best results in predicting thefts (with the data available at the time) were RandomForestRegressor. It is concluded that predictive models are a useful tool to promote crime prevention strategies in major cities, taking into account that there may be some limitations such as lack of information.Lista de figuras. -- Lista de tablas. -- Introducción. -- Planteamiento del problema . -- Justificación. -- Objetivos . -- Objetivo General. -- Objetivos Específicos. -- Resultados. --Esperados. -- Marco teórico. -- Estado del Arte. -- Marco conceptual . -- Metodología. -- Diseño. -- Instrumentos. -- Resultados. -- Análisis bibliográfico. -- Decision Tree. -- Regression. -- Supervised Learing . -- Entendimiento y preparación de datos. -- DataSet. -- Preparación y procesamiento de los datos. -- Framework. -- Proceso de creación de modelo. -- Evaluación modelos. -- Discusión. -- Conclusiones. -- Referencias. -- Anexos.MaestríaMaestrando en Gestión de Tecnologías de la Información45 p.application/pdfspaUniversidad Cooperativa de Colombia, Posgrado, Maestría en Gestión de Tecnologías de la Información, BucaramangaMaestría en Gestión de Tecnologías de la InformaciónPosgradoBucaramangaBucaramangaEsta licencia es la más restrictiva de las seis licencias principales, sólo permite que otros puedan descargar las obras y compartirlas con otras personas, siempre que se reconozca su autoría, pero no se pueden cambiar de ninguna manera ni se pueden utilizar comercialmente.http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)Attribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://purl.org/coar/access_right/c_abf2TG 2023 MGTI 54260000 - Ciencias de la computación, información y obras generalesHurtoAlgoritmos (computadores)Programación (computadores electrónicos)Seguridad ciudadanaMachine LearningHurtosMedellínBosques aletoriosRandom forestDecision treeSupervised learingTheftsModelo predictivo de hurtos para la ciudad de Medellín utilizando Machine LearningTrabajo de grado - MaestríaTextinfo:eu-repo/semantics/masterThesishttp://purl.org/redcol/resource_type/TMinfo:eu-repo/semantics/acceptedVersionArthur Samuel. (1959). IBM Journal of Research and Development: Vol. Vol 3.Beheshti, N. (2022, March 2). Random Forest Regression. Https://Towardsdatascience.Com/Random-Forest-Regression-5f605132d19d.Borges, J., Zierh, D., & Beigl, M. (2018, September 19). Time-Series Features for Predictive Policing. Time-Series Features for Predictive Policing.Brantingham, P. J., & Brantingham, P. L. (1984). Patterns in crime. 403. https://books.google.com/books/about/Patterns_in_Crime.html?id=1XvaAAAAMAAJBRAYAN XAVIER BECERRA. (2021, October 5). Colombia, el más afectado de la región por la criminalidad y el segundo del mundo. https://www.larepublica.co/globoeconomia/colombia pais-mas-afectado-por-la-criminalidad-3242474Caio Roberto. (2022, May). Crisp-DM: las 6 etapas de la metodología del futuro - Blog MBA Esalq USP. https://blog.mbauspesalq.com/es/2022/05/31/crisp-dm-las-6-etapas-de-la-metodologia del-futuro/Carlos Alberto Campo Agredo, P. (2017). Desarrollo De Modelos De Predicción Sobre El Hurto A Personas En Bogotá A Partir Del Análisis Y Aplicación De Algoritmos En Base De Datos.Corporación Excelencia en la Justicia. (2021). Reloj de la criminalidad. https://www.agenciapi.co/noticia/justicia/reloj-de-la-criminalidad-10-am-es-la-hora-mas peligrosa-en-colombiaDaniel Álvarez Gil. (2021, January 14). Metodología CRISP-DM. https://www.adictosaltrabajo.com/2021/01/14/metodologia-crisp-dmDataTechNotes. (2019, June 26). Regression Example with XGBRegressor in Python. Https://Www.Datatechnotes.Com/2019/06/Regression-Example-with-Xgbregressor-in.HtmlEnrique Paniagua Aris. (2007). La gestión tecnológica del conocimiento. Fox, E. (2017). Linear regression: The model.Godoy Rodríguez, C. (2020, December 17).#/El Proceso de Análisis de Datos explicado paso a paso. https://tesisdeceroa100.com/el-proceso-de-analisis-de-datos-explicado-paso-a-paso/GÓMEZ MONTECINO, B. A. (2018). DESARROLLO DE UN MODELO PREDICTIVO PARA IDENTIFICAR LA PROBABILIDAD DE ROBO DE VEHÍCULOS EN LA CIUDAD DE SANTIAGO. UNIVERSIDAD DE CHILE.José Miguel Fernández Fernández, & Raquel Flórez López. (2008). Las Redes Neuronales Artificiales (primera edición). Netbiblo.Kadar, C., & Pletikosa, I. (2018). Mining large-scale human mobility data for long-term crime prediction. Springer Link.Kim, D., Jung, S., & Jeong, Y. (2021). Theft Prediction Model Based on Spatial Clustering to Reflect Spatial Characteristics of Adjacent Lands. SustainabilityLa Nacion. (2022, August 17). Cerca de 400 celulares robados de un local en Bosa fueron recuperados; GPS fue clave. https://www.pulzo.com/nacion/bogota-400-celulares-robados local-bosa-fueron-recuperados-gps-PP1765778ALuis Joyanes Aguilar. (2013). Big Data Análisis de grandes volúmenes de datos en organizaciones (primera edición).MEDATA. (n.d.). MEData. Retrieved October 16, 2023, from http://medata.gov.co/Medellín cómovamos. (2022). Medellín: percepción de seguridad en la ciudad, 2015-2021. Https://Www.Medellincomovamos.Org/System/Files/2022- 02/Docuprivados/Presentacion%20EPC%20ene2022%20corr2.Pdf.Mosquera Cabra, J. (2021). Trabajo de grado sobre predicción de los tipos de delitos en Medellín. Universidad de AntioquiaPABLO ANDRÉS PLAZA ASCENCIO. (2020). DESARROLLO DE UN MODELO PREDICTIVO DE ROBO A CASAS BASADO EN REDES NEURONALES.Pushkar Mandot. (2017, July 17). What is LightGBM, How to implement it? How to fine tune the parameters?Ramos Castillo, L., & Blanquero Bravo Emilio Carrizosa Priego, R. (2018). Regresión Lasso.Santiago Olivares Tobón. (2022, November 25). El 2022 es el año con más hurtos en una década en Medellín. El Colombiano. https://www.elcolombiano.com/antioquia/ano-con-mas-hurto-en una-decada-en-medellin-PN19364029Víctor Daniel Muñoz Jaramillo. (2021). Machine Learning Models for Crime Prediction in Medellin City.PublicationORIGINAL2024_Modelo_Predictivo_Hurtos_Trabajo.pdf2024_Modelo_Predictivo_Hurtos_Trabajo.pdfapplication/pdf5300817https://repository.ucc.edu.co/bitstreams/d9684b07-b93e-4498-86b6-896cf4579d14/downloadfe016668230bb9493ee762e7624e28d6MD512024_Modelo_Predictivo_Hurtos_Acta.pdf2024_Modelo_Predictivo_Hurtos_Acta.pdfapplication/pdf124503https://repository.ucc.edu.co/bitstreams/bf10efb3-ed59-4307-98e9-21e7c97a02b0/download0fa235e677a6c58ed148d3460662d029MD522024_Modelo_Predictivo_Hurtos_Licencia.pdf2024_Modelo_Predictivo_Hurtos_Licencia.pdfapplication/pdf192351https://repository.ucc.edu.co/bitstreams/d2de50b2-15f4-4ce4-ba6b-3955776e77ff/download49cade659a168f005eb355bffeac1649MD53LICENSElicense.txtlicense.txttext/plain; charset=utf-84334https://repository.ucc.edu.co/bitstreams/a68b0f2f-8f16-4ce4-a432-a97669b7330b/download3bce4f7ab09dfc588f126e1e36e98a45MD54CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8805https://repository.ucc.edu.co/bitstreams/f24e832d-221b-472f-9658-6be889bf3bd8/download4460e5956bc1d1639be9ae6146a50347MD55TEXT2024_Modelo_Predictivo_Hurtos_Trabajo.pdf.txt2024_Modelo_Predictivo_Hurtos_Trabajo.pdf.txtExtracted texttext/plain68929https://repository.ucc.edu.co/bitstreams/7ca9166c-7e34-4d63-aebb-41d3aaf2c4b0/download81529991fe1315c8e606c1f598971dceMD562024_Modelo_Predictivo_Hurtos_Acta.pdf.txt2024_Modelo_Predictivo_Hurtos_Acta.pdf.txtExtracted texttext/plain2073https://repository.ucc.edu.co/bitstreams/62e2024d-cf4b-45c3-9e6c-5746b5ab45d5/downloadddfa8d2f8dbcf02e7b8379d6c8bcd853MD582024_Modelo_Predictivo_Hurtos_Licencia.pdf.txt2024_Modelo_Predictivo_Hurtos_Licencia.pdf.txtExtracted texttext/plain5838https://repository.ucc.edu.co/bitstreams/327ca27e-259d-4b1e-a974-b2ad87ec830e/download29b8ef65f9cb9d91ae3fb23c8aa1cef2MD510THUMBNAIL2024_Modelo_Predictivo_Hurtos_Trabajo.pdf.jpg2024_Modelo_Predictivo_Hurtos_Trabajo.pdf.jpgGenerated Thumbnailimage/jpeg7788https://repository.ucc.edu.co/bitstreams/badb3657-8f8e-41bd-897f-03e1334fa1cd/download2ef40f8f61707084cf3987ca1a71deb2MD572024_Modelo_Predictivo_Hurtos_Acta.pdf.jpg2024_Modelo_Predictivo_Hurtos_Acta.pdf.jpgGenerated Thumbnailimage/jpeg12019https://repository.ucc.edu.co/bitstreams/a2ab6521-23dd-4cd2-9ed7-ef8df66e7b56/download4511dc7baef1769627ead9f0bbbec60dMD592024_Modelo_Predictivo_Hurtos_Licencia.pdf.jpg2024_Modelo_Predictivo_Hurtos_Licencia.pdf.jpgGenerated Thumbnailimage/jpeg11770https://repository.ucc.edu.co/bitstreams/a3f032ae-c752-4fe5-8867-58efb33a2026/download38e1e2af9ebb10c0932b7e70d255882aMD51120.500.12494/54260oai:repository.ucc.edu.co:20.500.12494/542602024-08-10 21:07:18.564http://creativecommons.org/licenses/by-nc-nd/4.0/Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)open.accesshttps://repository.ucc.edu.coRepositorio Institucional Universidad Cooperativa de Colombiabdigital@metabiblioteca.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 |