Maestría en Ciencia de Datos

URI permanente para esta colecciónhttp://hdl.handle.net/10906/66933

Examinar

Mostrando 1 - 20 de 33

Detección temprana del diagnostico de diabetes tipo II a partir de variables no clínicas utilizando técnicas de Machine Learning
(Universidad Icesi, 2023-07-12) Ome Narváez, Leidy Tatiana; Ordóñez Quintero, Danny Guillermo; Diaz Cely, Javier
La diabetes tipo II es una enfermedad crónica y grave que se caracteriza por niveles elevados de glucosa en la sangre debido a la incapacidad del cuerpo para producir o utilizar eficazmente la insulina. Si no se controla a largo plazo, esta deficiencia de insulina puede causar daño a varios órganos del cuerpo, lo que lleva a complicaciones discapacitantes y potencialmente fatales como enfermedades cardiovasculares, neuropatía, nefropatía y problemas oculares. Por lo tanto, el diagnóstico y tratamiento tempranos de la diabetes tipo II son de vital importancia para prevenir el desarrollo y las complicaciones de las enfermedades cardiovasculares y renales. Por esta razón, este proyecto de tesis formuló el desarrollo de un modelo predictivo para el diagnóstico temprano de esta enfermedad. Para el desarrollo de este modelo, se tomó en cuenta información no clínica del paciente, como: datos demográficos, datos sociodemográficos, actividad física y antecedentes familiares. Se utilizaron datos de 204,572 usuarios afiliados a una IPS a nivel nacional, donde el 20.4% están diagnosticados con diabetes tipo II. Se entrenaron modelos de clasificación supervisada como Support Vector Machine (SVM), Extreme Gradient Boosting (XGBoost) y Multilayer Perceptron (MLP), y se descubrió que XGBoost era el mejor modelo para predecir la diabetes tipo II con una métrica de rendimiento ROC-AUC del 77 %.
Pronósticos de planes de demanda
(Universidad Icesi, 2025-06-27) Borja Marulanda, Juan David; Collazos Agredo, Mitchel Esteban; Agudelo Burbano, Diego Fernando; Ospitia Medina, Yesid
Este estudio analiza las limitaciones del enfoque colaborativo en la planificación de la demanda dentro de una empresa de consumo masivo. La investigación identifica cómo la inexactitud en los pronósticos y las negociaciones inesperadas generan desajustes en la cadena de suministro, resultando en ineficiencias de producción, costos elevados por exceso de inventario (riesgo de expiración) o pérdida de ventas por desabastecimiento. El trabajo propone la necesidad de alinear las estimaciones comerciales con la capacidad operativa y logística, mitigando los impactos negativos en la logística inversa y asegurando el cumplimiento oportuno de los requisitos del mercado nacional e internacional.
Sistema de pronóstico meteorológico marítimo de alta resolución utilizando IA y datos de fuentes abiertas
(Universidad Icesi, 2025-06-27) Ruiz Guzman, Laura Alejandra; Torres, Alberto
Este trabajo aborda la necesidad crítica de la Armada de Colombia de contar con pronósticos meteorológicos marítimos precisos y oportunos. Presenta el desarrollo de un sistema de pronóstico de alta resolución para las aguas del Pacífico y el Atlántico colombianos, basado en técnicas de aprendizaje profundo. La metodología se centró en la recopilación y el procesamiento de datos históricos del reanálisis ERA5 para una región estratégicamente importante, con el fin de capturar fenómenos climáticos clave como el ENSO. Se desarrolló un modelo predictivo para pronosticar un "panel" de variables operativas, incluyendo la altura de las olas, el viento y la temperatura. El rendimiento del modelo se evalúa con métricas estándar como la pérdida, el MAE y el RMSE. Como resultado final, se propone un modelo integrado en un contenedor Docker y expuesto mediante una API RESTful para uso operativo, lo que proporciona a la Armada una herramienta robusta y específica para sus áreas de operación.
Modelo Integrado de Predicción de Peso y Optimización de Cosecha en la industria avícola: Enfocado en la reducción de costos y el cumplimiento del mix de oferta
(Universidad Icesi, 2025-06-27) Giraldo C., Luisa Fernanda; Guzmán Giraldo, Juan Sebastián
Este proyecto desarrolla un modelo integrado que combina la predicción del peso de los pollos de engorde y la optimización del proceso de cosecha, con el objetivo de minimizar los costos de alimentación y asegurar el cumplimiento de los rangos de peso exigidos por el mercado. La iniciativa se enmarca en una empresa del sector avícola, donde una planificación eficiente es clave para mejorar la rentabilidad y satisfacer la demanda de aves clasificadas como pequeñas, medianas o grandes. En una primera fase, se construyó un modelo de regresión polinomial de tercer grado, ajustado para dos grupos de edad: aves menores o iguales a 38 días y aves de 39 días o más. El modelo alcanzó un RMSE de 0,129 kg (R²=0,3388) para el primer grupo y un RMSE de 0,1963 kg (R²=0,8119) para el segundo, lo que permitió capturar con mayor precisión la evolución del peso a lo largo del tiempo. Posteriormente, se diseñó un modelo de optimización basado en programación matemática, utilizando las predicciones de peso como entrada. El modelo logró planificar la cosecha óptima durante 12 días operativos del horizonte de planificación (2 semanas), respetando las restricciones de demanda por categoría de peso y evitando el sacrificio de aves fuera de especificación. Los resultados demuestran el potencial de la integración analítica para mejorar la toma de decisiones operativas en la industria avícola.
Pronóstico de las tasas de interés de colocación de los establecimientos de créditos en Colombia
(Universidad Icesi, 2025-06-25) Rodríguez Lasso, Álvaro; Ospitia Medina, Yesid; Agudelo Burbano, Diego Fernando
La tasa de interés de los créditos es crucial para las decisiones financieras personales y corporativas. Anticipar y pronosticar los movimientos de las tasas de interés es valioso tanto para los consumidores como para las entidades crediticias. Aprovechando la modernización de la Superfinanciera en la publicación de informes regulatorios relacionados con las tasas de crédito, el objetivo general de este proyecto es diseñar una herramienta basada en ciencia de datos para pronosticar el impacto en las tasas de interés de colocación de las entidades crediticias en Colombia, con base en el comportamiento de variables macroeconómicas relevantes como la tasa de intervención del Banco de la República, el IPC, el IBR y la tasa de fondos federales, entre otras. Debido al volumen de información, será necesario construir un datamart para posteriormente realizar un análisis exploratorio de datos (EDA), entrenar modelos de series de tiempo VaR y evaluar las mejores variables y el mejor modelo de predicción con sus respectivos hiperparámetros.
Modelo de recomendación de portafolio óptimo para aumentar participación en mostradores
(Universidad Icesi, 2025-06-27) Vergara Arenas, Juan Camilo
Este proyecto analiza la dinámica del canal de autoservicios en el sector comercial, enfocándose específicamente en las categorías de Grandes Cadenas e Independientes. El objetivo primordial es comprender el comportamiento diferencial de estos segmentos para diseñar estrategias de venta y posicionamiento de portafolio altamente personalizadas. A través de un análisis detallado de la autonomía del consumidor y la estructura operativa de cada punto de venta, la investigación proporciona herramientas clave para maximizar el impacto comercial y la eficiencia en la distribución, permitiendo a las organizaciones adaptar sus acciones tácticas a las particularidades de cada cliente y entorno local.
Optimización de la sintonización de publicidad automática en plataformas de música basada en características musicales y emocionales
(Universidad Icesi, 2025-06-24) Guevara Brand, Juan Diego; Ospitia Medina, Yesid
Del latín datum (“lo que se da”), un dato es un documento, una información o un testimonio que permite llegar al conocimiento de algo o deducir las consecuencias legítimas de un hecho. Por ejemplo: “Hemos descubierto al asesino gracias a los datos aportados por un testigo”. (de, 2021) Hoy día, el manejo de datos ha alcanzado un rol central en múltiples industrias, gracias a disciplinas como la ciencia de datos, que permite transformar y/o modificar grandes volúmenes de datos en información de valor a través de diferentes técnicas estadísticas, métodos científicos, inteligencia artificial y análisis de datos. Los científicos de datos, quienes tienen el dominio de esta disciplina, extraen información útil de diversas fuentes, generando hallazgos importantes que permiten abordar problemas complejos en numerosas áreas. En este contexto, la presente investigación se ubica en el desarrollo de un sistema que mejora la sintonización de publicidad automática basada en la música que escuchan los usuarios. Para el desarrollo de esta investigación, se hará uso de los datos que se encuentran disponibles en el MediaEval Database, esta es una base de datos multimedia diseñada para evaluar algoritmos y modelos en diferentes dominios, incluidos la música y el análisis audiovisual. En el presente trabajo se pretende estudiar si esta base de datos puede proporcionar las características musicales y emocionales necesarias para ajustar de manera dinámica y precisa los anuncios publicitarios, de tal manera que sean capaces de adaptarse a las canciones que el usuario está escuchando.
Detección automática de armas mediante deep learning para la seguridad urbana en Colombia
(Universidad Icesi, 2025-06-26) Burgos Tovar, Santiago; Ospitia Medina, Yesid
Este proyecto busca desarrollar un sistema integral de detección automática de armas basado en técnicas de aprendizaje profundo para mejorar la seguridad ciudadana en entornos urbanos colombianos. Mediante la implementación de modelos YOLO (You Only Look Once) y técnicas de clasificación especializadas, se busca crear una herramienta inteligente de videovigilancia capaz de identificar y localizar armas de fuego y armas blancas en tiempo real. El sistema se diseñó considerando las características específicas de los espacios urbanos colombianos, como la alta densidad poblacional, la diversidad de entornos y las condiciones de iluminación variables. Se utilizaron múltiples conjuntos de datos con más de 5000 imágenes anotadas, implementando estrategias de aumento de datos y balanceo de clases para optimizar su rendimiento. La evaluación del sistema incluye pruebas en escenarios urbanos reales y con objetos similares que podrían generar falsos positivos.
INRAE - Inteligencia artificial explicativa soft sensor
(Universidad Icesi, 2025-06-27) Cabrera Lozano, Alvaro José; Aragón, C.; Corrales Muñoz, David Camilo
Este trabajo presenta el desarrollo de un sensor blando aplicado al proceso de fermentación industrial, combinando modelos de aprendizaje automático de caja negra con técnicas de inteligencia artificial explicable (XAI). El objetivo del proyecto es diseñar un sistema predictivo capaz de estimar la concentración de penicilina a partir de datos históricos del proceso, mediante el uso de redes neuronales recurrentes (LSTM). Estos modelos, si bien precisos, presentan dificultades de interpretación debido a su naturaleza opaca. Para abordar este desafío, se integran técnicas XAI para visualizar y comprender la influencia de las variables más relevantes, transformando los modelos en herramientas más transparentes y confiables. La metodología incluye el uso del conjunto de datos IndPenSim, que simula condiciones normales y de falla en un entorno de fermentación a escala industrial. Además, se construye un prototipo de visualización para facilitar la interpretación de las predicciones y fortalecer la toma de decisiones basada en datos. El proyecto responde a la necesidad de lograr un equilibrio entre precisión y explicabilidad, dos pilares esenciales en la industria 4.0.
Muzca – Rhythm Representation Studies
(Universidad Icesi, 2025-06-27) Martínez, Daniel; Aponte Segura, Alfredo; Gómez, Daniel; Giraldo, Jose
Este trabajo presenta un enfoque basado en aprendizaje profundo para predecir representaciones rítmicas explicables directamente a partir de archivos de audio (.WAV). La representación utilizada, denominada Densidad de Inicio Ponderada por Frecuencia (FWOD), permite sintetizar la densidad rítmica de un compás en un vector unidimensional de 16 valores. En una fase inicial, se validó la utilidad de FWOD como descriptor rítmico mediante la aplicación de modelos de clasificación sobre datos simbólicos (archivos MIDI), logrando una precisión del 90,5% y superando trabajos previos de vanguardia. Este resultado sirvió como base para la segunda fase del proyecto, centrada en la predicción del vector FWOD a partir de audio real mediante modelos convolucionales (CNN) entrenados en espectrogramas de Mel. El conjunto de datos final se construyó a partir de la correspondencia entre los archivos .MIDI y .WAV del conjunto de datos MIDI Groove de Magenta, ajustado y alineado para facilitar la comparación entre ambas representaciones. Se exploraron la arquitectura, la regularización y las variantes de conjunto, alcanzando un MAE mínimo de 0,1836 con un R² estimado de 0,70. Los resultados confirman la viabilidad de FWOD como puente entre la señal acústica y el análisis rítmico computacional, abriendo nuevas posibilidades para el desarrollo de marcos explicables de clasificación musical centrados en la percusión (Choi et al., 2017; Gómez-Marín et al., 2024).
Modelo predictivo para la mortalidad en urgencias portrauma: integración de variables clínicas y socioespaciales en Cali 2012-2013
(Universidad Icesi, 2024-12-04) Orozco Echeverri, Nicolas; Valencia Orozco, Andrea; García Marín, Alberto Federico; Ortíz Arias, Santiago
El trauma, definido como cualquier lesión física resultante de una fuerza externa, representa un desafío significativo para la salud pública a nivel mundial. Esta patología representa un desafío significativo para la salud pública a nivel mundial, siendo una de las principales causas de muerte en adultos jóvenes menores de 45 años, con un estimado de 1,9 millones de muertes a nivel mundial. En el contexto colombiano, el trauma también emerge como una de las principales causas de muerte, según datos del Departamento Administrativo Nacional de Estadística (DANE) para el año 2022. Específicamente, en la ciudad de Cali, para el año 2021, se reportó una tasa de mortalidad de 75,16 muertes por cada 100.000 habitantes debido a lesiones por causas externas, y específicamente para homicidios, se reportó una tasa de 50,12 muertes por cada 100.000 habitantes. Es crucial resaltar que la génesis de los eventos traumáticos y el pronóstico a largo plazo de los pacientes están influenciados por diversos determinantes sociales de la salud. Estos incluyen el estatus socioeconómico, el nivel educativo, el entorno físico y social del barrio, el empleo, las redes de apoyo social y el acceso a atención médica oportuna.
Modelo de score crediticio: un enfoque basado en metodologías de machine learning para una cooperativa
(Universidad Icesi, 2024-12-10) Rengifo Aguirre, Daniel Alejandro; Oviedo Belalcazar, Mario Andrés
Las cooperativas son organizaciones que juegan un papel crucial en el desarrollo social y económico, promoviendo la inclusión y el crecimiento económico sostenible fuera de sus funciones sociales, las cooperativas de ahorro y crédito, permiten a sus asociados, obtener servicios financieros como; ahorros, préstamos, seguros y servicios, bajo condiciones especiales logrando facilitar el acceso a estos recursos, por ello es fundamental brindar herramientas precisas que permitan facilitar la toma de decisiones en el otorgamiento de crédito con el fin de salvaguardar la estabilidad de las entidades. (Naciones Unidas, 2023) El proyecto, busca aplicar metodologías basadas en analítica, mediante uso de machine learning, para determinar de manera rigurosa un score o puntaje de crédito que permita evidenciar durante la fase de estudio de crédito, la capacidad y disposición de pago de los asociados aspirante a crédito, con el fin no solo de mejorar las herramientas bajo las cuales actualmente se administra el riesgo de crédito, sino que también contribuya a la sostenibilidad financiera de la cooperativa. Este estudio se fundamenta en el análisis previo relacionado con los factores que influyen en el comportamiento de crédito, enfocándose en la selección de características más relevantes para el desarrollo del score, este análisis incluye la evaluación de los modelos de clasificación usando métricas clave como precisión (Accuracy), sensibilidad (Recall) y puntaje F1 (F1-Score), con el objetivo de garantizar la robustez, precisión y aplicabilidad del modelo en el contexto de la cooperativa.", Este trabajo cobra validez dado que, en la actualidad, no se cuenta con un score interno preciso sino que las decisiones de otorgamiento se realizan en función del criterio experto del evaluador. Con esta propuesta se pretende facilitar el análisis y disminuir los tiempos de respuesta al asociado, así como contribuir a la adopción de metodologías y herramientas que robustecen el área de administración del riesgo crediticio dentro de la organización.
Desarrollo de una metodología para la predicción estacional de déficits y excesos hídricos en los departamentos de Quindío, Risaralda y Caldas, mediante técnicas de machine learning
(Universidad Icesi, 2024-12-10) Arias Sinisterra, Diana Carolina; Estrada Vargas, Oscar Hernan; Agudelo, Diego Fernando; Barrios Perez, Camilo
This study presents the development of a methodology to forecast excess or deficit water conditions in the Colombian coffee region (departments of Quindío, Risaralda, and Caldas), using the Standardized Precipitation-Evapotranspiration Index (SPEI) as the main indicator. The first phase of the research focused on the consolidation and homogenization of climatic data, the characterization of the region's water conditions, and the construction of SPEI-3, which estimates the water balance using precipitation and evapotranspiration data from the last 3 months, and SPEI-6, which does so with data from the last 6 months, to understand short and medium-term variations. Firstly, a compilation and homogenization of data from various climatic sources were carried out, adjusting them to a uniform resolution for proper analysis. Subsequently, the study area was characterized, identifying its climatic particularities. In addition, a comparison of the SPEI indices with historical periods of El Niño and La Niña phenomena was performed to highlight SPEI's capacity to reflect the climatic reality of the study area. It was observed that SPEI values coincide with the seasons in which these phenomena occurred in Colombia, thus validating its usefulness as an indicator of droughts and water excesses. CPT software was used to generate the SPEI-3 and SPEI-6 forecasts for March 2024. The second phase of the project consisted of testing other predictors to perform the prediction using CCA and a machine learning model, to compare the results obtained by both methods. Finally, the importance of forecasting SPEI with greater accuracy is highlighted, as this would not only reflect the climatic reality more precisely but would also provide a valuable tool for planning and decision-making in industrial and agricultural sectors.
Factores sociodemográficos, clínicos y conductuales presentes que caracterizan el riesgo cardiovascular en una muestra de pacientes de la ESE Oriente de Cali entre 2016 a 2023
(Universidad Icesi, 2024-12-09) Cely Ospina, Jovany; Peña Ocampo, Víctor Alfonso; Andrade Bonilla, Nelson Andrés
La enfermedad cardiovascular es la principal causa de morbimortalidad a nivel mundial, y su desarrollo está relacionado con diversos factores de riesgo. Por ello, la prevención depende de identificar y controlar estos factores para influir en el curso clínico de la enfermedad. En este proyecto se propuso la creación de modelos de predicción del riesgo cardiovascular a partir de un dataset de pacientes que son atendidos en una empresa social del estado (ESE) de Cali. El conjunto de datos se dividió en dos subconjuntos, según la fecha de toma de la data, y se realizó una selección de variables en cada uno con el objetivo de analizar cómo esta elección afecta el desempeño de los diferentes modelos. Finalmente, con base en métricas de desempeño, se definió el modelo de random forest como el mejor modelo, identificando las variables clave que influyen en la variable objetivo y las variables sociodemográficas de mayor peso con el fin de que estas puedan ser consideradas por las entidades de salud en los procesos de prevención.
Sistema recomendador de canciones de artistas emergentes basado en playlist de canciones populares
(Universidad Icesi, 2024-12-10) Ágredo Mosquera, Beycker Alexis; Ospitia Medina, Yesid
La música ha sido reconocida a lo largo de la historia como un medio poderoso para influir en las emociones humanas. Desde tiempos antiguos, las culturas han utilizado la música como una herramienta para expresar sentimientos, promover el bienestar emocional y ejorar la calidad de vida. Actualmente, con el elevado crecimiento de las plataformas de streaming de audio como Spotify, Deezer y Amazon Prime Music, la relación entre la música y las emociones ha tomado mayor relevancia debido a la capacidad que tienen estas plataformas para llegar a millones de usuarios. Uno de los avances más estacados en el campo de la música es el desarrollo de sistemas de ecomendación, que permiten personalizar la experiencia de escucha de cada usuario, ajustándose a sus preferencias musicales y estados emocionales.
Predicción temprana de averías en flotas de autobuses mediante machine learning para optimizar la gestión y rentabilidad a largo plazo
(Universidad Icesi, 2024-12-10) Romero Velásquez, Laureano; Ordoñez Cordoba, Jose Armando
Este trabajo de grado tiene como objetivo desarrollar modelos predictivos para identificar posibles fallas en los buses del Consorcio Express, el principal operador privado de transporte en Colombia. Bajo una metodología rigurosa de ciencia de datos, la investigación abarca desde la definición precisa del problema y la colaboración entre departamentos para acceder a fuentes de información, hasta la implementación de procesos de ETL (Extracción, Transformación y Carga) para limpiar y enriquecer los datos. Utilizando principalmente el lenguaje Python y librerías especializadas como Pandas, Scikit-learn y SQLAlchemy, se están evaluando diversos algoritmos tradicionales, incluyendo redes neuronales, máquinas de soporte vectorial y bosques aleatorios. Tras un proceso de validación, se selecciona el modelo de Árbol de Decisión (Decision Tree) como el más óptimo, buscando alcanzar un F1 Score de 0.856. Finalmente, la solución se integra en la nube de Azure, donde el modelo procesa nuevos datos y genera resultados en formato .parquet, los cuales son visualizados por los usuarios finales a través de tableros de Power BI accesibles desde cualquier dispositivo.
Aplicación de inteligencia artificial y machine learning para la segmentación en GIRO buscando identificar el riesgo de LA/FT según circular básica jurídica de la superintendencia financiera de Colombia, numeral 4.1.1.1, título IV, parte I
(Universidad Icesi, 2024-12-10) Espinosa, Laura Daniela; Jaramillo, Carlos Enrique; Timaran, Andrea Estefania
Este proyecto tiene como objetivo la implementación de un módulo de segmentación dentro del aplicativo GIRO, diseñado para mejorar la identificación y gestión de riesgos asociados con el Lavado de Activos y la Financiación del Terrorismo (LA/FT), en conformidad con las normativas colombianas establecidas por la Superintendencia Financiera. Utilizando técnicas de Inteligencia Artificial (IA) y Machine Learning (ML), se busca clasificar factores de riesgo, como clientes, pro ductos, canales de distribución y jurisdicciones, con el fin de optimizar la eficiencia operativa y reducir los riesgos financieros y reputacionales. La metodología aplicada incluye un análisis exploratorio de datos, seguido de la implementación de modelos de aprendizaje no supervisado: K-means y Clustering Jerárquico, tanto con reducción de dimensionalidad mediante Análisis de Componentes Principales (PCA) como sin esta técnica. La evaluación del desempeño de los modelos se realiza a través de métricas robustas, lo que permite generar segmentaciones precisas que mejoren la toma de decisiones y fortalezcan el cumplimiento de las normativas regulatorias en el sector financiero colombiano.
Pronóstico de demanda de inventario de los 5 productos más vendidos de la empresa Equipos y Controles Industriales
(Universidad Icesi, 2024-12-11) Sarmiento Marquez, Manuel Fabian; Agudelo Burbano, Diego Fernando
El presente documento expone el trabajo realizado durante los últimos tres meses, cuyo objetivo fue pronosticar la demanda de inventario de los cinco productos más vendidos en lo corrido del año para la marca más comercializada por la compañía Equipos y Controles Industriales. Este pronóstico es crucial para optimizar la gestión de inventarios, reducir costos y mejorar la satisfacción del cliente, asegurando la disponibilidad de los productos más demandados.
Smartprice insights: sistema basado en inteligencia artificial para la generación de insights de precios en el mercado inmobiliario de Homty
(Universidad Icesi, 2024-12-10) Montaño Cuero, Yesid Humberto; Muñoz Castillo, Javier Ricardo; Rodriguez, Ian Mateo
Actualmente, el sector inmobiliario enfrenta importantes desafíos para tomar decisiones informadas, principalmente debido a la falta de análisis de datos históricos y la falta de comprensión de las tendencias de precios. Este trabajo busca abordar este problema mediante el uso de técnicas avanzadas de ciencia de datos. Homty, empresa dedicada a recopilar y analizar información sobre más de 600.000 propiedades en Colombia, ha identificado una oportunidad crucial para mejorar la rentabilidad de las inversiones en este sector. Esta tesis propone explorar la implementación de técnicas de ciencia de datos e inteligencia artificial para analizar el comportamiento histórico de los precios de propiedades residenciales, como apartamentos y casas, en las principales ciudades del país, como Bogotá, Cali y Medellín.
Detección, análisis y caracterización de anomalías en los logs de la Armada Nacional mediante métodos de inteligencia artificial
(Universidad Icesi, 2024-12-10) García Gaviria, Yasmin Johanna; Sosa, Uram Anibal; Sosa, Uram Anibal
El ámbito de la ciberseguridad ha experimentado un incremento notable en la frecuencia y sofisticación de los ciberataques en los últimos años, sobre todo aquellos destinados a infraestructuras críticas cibernéticas. El aumento no solo ha afectado a sectores como la energía, la salud y las finanzas, sino que también ha convertido a entidades militares y de defensa en objetivos prioritarios para estos actores maliciosos. En este contexto, la Armada Nacional se ha transformado en un objetivo constante, representando una amenaza creciente para la seguridad cibernética y la integridad de las operaciones de las Fuerzas Armadas, por lo tanto, para la seguridad nacional.

Examinar

Envíos recientes