TigerEye

Page 3 | Post procesamiento en forecasting y detección de anomalías.
Page 2 | Factores que pueden propiciar violencia
Page 1 | Violencia por tipo

Inspiration

Comenzamos investigando problemáticas y soluciones que cumplan con las siguientes condiciones

Tiene un considerable impacto en nuestra localidad (monterrey).
Tiene posibilidad de prototiparse en un lapso de 48 horas, dado que esto es un hackaton.
Presenta una solución rentable.

What it does

El proyecto recopila datos públicos para poder brindar información con precisión y democratizar el acceso a ellos, por lo que relaciona factores comunes con índices de crímenes reportados por municipio así mismo detectando tendencias en factores externos para correlacionarlos

How we built it

Utilizamos herramientas diversas y las unificamos. Web Scrapping con Python: Juntamos datos de diversas bases y los limpiamos para que se puedan correlacionar. Base de datos en azue-mysql: Los datos obtenidos los juntamos en en la nube. Servicio de visualización: Utilizamos streamlit integrado con plotly para presentar gráficos dinámicos. El host también se encuentra en azure. Servicio de análisis: Dentro de streamlit empleamos Machine Learning. KNN para detección de anomalías y datos interesantes. Utilizamos prophet de facebook para hacer forecating.

Challenges we ran into

Al momento de buscar información por utilizar nos percatamos de que no existen actualizaciones oficiales o recientes con los que podríamos trabajar, por lo cuál motivó más el uso del proyecto y la fomentación hacia ello. De igual manera tuvimos que trabajar con herramientas las cuales fueron desconocidas por algunos integrantes del equipo inicialmente, por lo que se tuvo que dedicar un tiempo breve a aprender y entender lo que utilizamos, si sería alcanzable su implementación y a qué nos quiere llevar.

Accomplishments that we're proud of

Estamos orgullosos de haber sido capaces de unificar tanta tecnología en un solo producto dentro de 48 horas, además de haberle creado un modelo de negocios justificado.

What we learned

No solo nos dimos un entendimiento más profundo de nuestras maneras de trabajar, si no que también con qué herramientas tenemos más especialización y en qué afecta al momento de seleccionar una solución hacia un reto. De igual manera al momento de hacer nuestra investigación con la información disponible y la retroalimentación que le pedimos a los profesionales pudimos entender que necesitábamos enfocarnos en varios aspectos de nuestro modelo de negocios para aumentar su factor de rentabilidad y qué tan expandible puede llegar a ser

What's next for TigerEye

Algunas funciones que planeamos añadir.

Web Scrapping automatizado con functions de azure para que las bases de datos estén actualizadas en todo momento.
Implementar en streamlit las funciones para visualizar factores asociados a la violencia.
Implementar en streamlit mayor control para los modelos de AI que se utilizan en forecasting y anomalías.
Acceso directo a noticias seleccionadas usando natural language processing y una interfaz integrada.
Escalar el producto a más ciudades.