La población mundial ha continuado creciendo con un ritmo cada vez más acelerado. De acuerdo con algunos pronósticos se espera que habrá un total de 9.73 mil millones de personas hacia 2050.
La movilidad es un problema que se da de manera principal en áreas urbanas. Se estima que en algunas zonas las personas pueden ocupar hasta 650 horas en un año en el tráfico vehicular.
Estos fenómenos se estudian en una temática denominada “Redes de Tráfico Vehicular” a diferentes niveles, tanto macro (a gran nivel, tratando el tráfico vehicular como un flujo) como microscópicamente (a nivel agentes); así como el nivel intermedio: mesoscópico (entre los niveles macro y micro).
Este proyecto aborda el tráfico vehicular desde una perspectiva macroscópica, utilizando el cómputo en paralelo que es posible utilizar a través de las tarjetas gráficas (GPU) y, en su caso, cómputo cuántico.

Responsable técnico:

Dr. Eduardo Gamaliel Hernández Martínez, Director InIAT
eduardo.gamaliel@ibero.mx

M. en C. Felipe Morales Torres, Asistente de investigación
felipe.mor.torres@gmail.com

Phishing es el delito que emplean los medios de comunicación electrónicos para obtener información sensible de sus víctimas. Para ello, es común acceder a un “Localizador Uniforme de Recursos” (Uniform Resource Locator, URL) que apunta a una web que provoca sentimientos de urgencia, necesidad, vulnerabilidad, duda, curiosidad, etc. El éxito de estos ataques es notable ya que atacan a las personas en lugar de los sistemas. Recientemente se ha incrementado a nivel mundial los ataques de phishing y están siendo dirigidos a grupos sociodemográficos de interés. Ante esta situación es necesario proponer nuevas herramientas para la detección de tales ataques. Para enfrentar estos casos, es necesario emplear métodos que “aprendan” de los ataques identificados y que apliquen “lo aprendido” en situaciones desconocidas. En este sentido, el Aprendizaje Automatizado agrupa los métodos necesarios para detectar ataques de phishing y de día cero. Por tal motivo, este proyecto tiene como objetivo desarrollar métodos capaces de identificar ataques de phishing en medios de comunicación electrónicos mediante el uso de técnicas de Aprendizaje Automatizado.

Responsable técnico:

Dr. Lázaro Bustio Martínez
lazaro.bustio@ibero.mx

Co-Responsable:

Dr. Jorge Ángel González Ordiano

jorge.goznalez@ibero.mx

La medición y predicción del Índice de Sequía (SWDI: Soil Water Deficit Index) se ha vuelto un elemento crítico para la agricultura, dado que el cambio climático ha alterado el comportamiento de las estaciones del año. Esto ha generado pérdidas importantes para la producción agrícola. Las mediciones de los satélites SMOS, de la Agencia Espacial Europea proveen información a una escala global y las mediciones en tierra requieren de un complemento, pero con estos conjuntos de valores se podrá generar un índice de mayor precisión sobre la sequía de una región.

Contar con un sistema de pronóstico certero y por regiones bien acotadas va a beneficiar a productores, principalmente a aquellos que dependen del riego por temporal. Sembrar sin contar con la suficiente agua genera enfermedades en las plantas, las hace más propensas a plagas y la calidad de la producción se ve afectada. Un elemento fundamental en el desarrollo de un sistema de pronóstico es contar con una base de datos normalizada (1NF, 2NF y 3NF), validada y confiable. Este proyecto consiste en la construcción de dicha base de datos.

Responsable técnico:

Dr. José Emilio Quiróz Ibarra, InIAT
jose.quiroz@ibero.mx

Captura de información, en redes sociales y noticias, de la percepción de líderes de opinión del extranjero sobre México, utilizando: Web scraping para la recolección de la información; Procesamiento de lenguaje Natural (NLP) para la identificación de palabras sobresalientes al tema y su clasificación; Aprendizaje de Máquina para construir las categorías de los puntos de vista; y posterior, identificación de nuevos textos y modelos estadísticos reportando las categorías de la percepción.

Responsable técnico:

Dr. Cesar Villanueva, Relaciones Internacionales
cesar.villanueva@ibero.mx

Dr. José Emilio Quiroz Ibarra, InIAT
jose.quiroz@ibero.mx

Social Data IBERO es una iniciativa para generar nuevas formas de investigación y colaboración académica de la Universidad Iberoamericana desde la Ciencia de Datos, a fin de contribuir a resolver los problemas sociales desde una perspectiva interdisciplinaria y humanista.
A partir de la sinergia entre múltiples centros e institutos de la Universidad, tales como la Cátedra Dinámicas Territoriales y Bienestar, el Centro Transdisciplinar Universitario para la Sustentabilidad (CENTRUS), el Departamento de Economía, el Instituto de Investigaciones para el Desarrollo con Equidad (EQUIDE), el Instituto de Investigación Aplicada y Tecnología (INIAT), el Instituto de Investigaciones para el Desarrollo de la Educación (INIDE) y el Departamento de Estudios en Ingeniería para la Innovación (EII-Ciencia de Datos), se busca apropiarse de herramientas y métodos novedosos como el análisis de datos, análisis predictivo, análisis de redes, aprendizaje automático, procesamiento de lenguaje natural, econometría, percepción remota, entre muchos otros, para coadyuvar a los sectores sociales en sus diversas problemáticas y proporcionar información simple y poderosa a la ciudadanía para que puedan ser más efectivos en la toma de decisiones.

Visita el micrositio del Social Data Ibero

Responsable técnico:

Dr. Eduardo Gamaliel Hernández Martínez, Director InIAT
eduardo.gamaliel@ibero.mx

Mtro. Wilfrido Antonio Gómez Arias, Asistente de investigación
socialdata@ibero.mx