Imagen logo GovCo Logo Gobierno de Colombia
Buscador general

Convocatoria

Banco de retos aplicando ciencia de datos para empresas del sector público y privado 2022
Iniciativa: Formación en Ciencia de Datos
Cerrada
Fecha de cierre: 14 de marzo de 2022

Objetivo del proyecto

Seleccionar hasta 100 retos del sector público y privado para ser desarrollados aplicando ciencia de datos e inteligencia artificial, con el objetivo de brindar soluciones efectivas y pertinentes para la entidad, y así mismo, aportar a la formación integral de los estudiantes de la convocatoria de Data Science for All 2022 - DS4A.

Dirigido a:

Organizaciones públicas o privadas de orden nacional o territorial, entidades descentralizadas o adscritas a una entidad pública.

Requisitos:

  • Ser una organización pública o privada nacional o territorial, entidad descentralizada o adscrita a una entidad pública.
  • Adjuntar los documentos de representación legal y documentos de identidad de quien ejerza esta condición para la entidad o empresa. Para el caso de entidades públicas bastará que el Directivo que postula el reto remita su documento de identidad en los dos campos del formulario donde se solicita la cédula y el documento de representación legal.
  • Presentar la autorización del representante legal por escrito para postular el reto, ver Anexo 2 Solicitud de inscripción. Para el caso de entidades públicas bastará que el Directivo que postula el reto suscriba la solicitud.
  • Presentar el documento Anexo 1 Información del reto, donde debe detallar el reto, el resultado esperado y los datos con los que cuenta para que los estudiantes desarrollen el reto durante la formación.
  • Designar a una o dos personas que pueden ser, funcionario y/o contratista y/o empleado de la entidad pública o empresa privada participante, uno para el rol de líder del reto y otro para el rol técnico, para que participen en las sesiones de trabajo programadas con el equipo técnico de la convocatoria. Es posible que una sola persona pueda ser líder y técnico del reto, si cuenta con los conocimientos necesarios para apoyar a los estudiantes en el desarrollo de éste.
  • Si la entidad pública o empresa privada presenta varios retos, cada uno debe contar con un líder de reto y un técnico designado.
  • Disponer y remitir la información necesaria cumpliendo con las características requeridas del equipo técnico en el marco de la convocatoria.
  • El líder o técnico designado por la entidad o empresa debe brindar la información de manera oportuna a los equipos de estudiantes.

Cronograma

Actividades Fecha de inicio Fecha fin
Inscripción 11 de febrero 14 de marzo (4:00 p.m.)
Envío de conjunto de
datos
21 de marzo 01 de abril
Revisión y selección de
los retos
21 de marzo 05 de abril
Publicación de resultados 06 de abril 06 de abril

Documentos de la convocatoria

Resultados de la convocatoria

Inscríbete aquí

VÍDEOS DE APOYO PARA IDENTIFICAR UN RETO PARA SER RESUELTO A TRAVÉS DE CIENCIA DE DATOS:

Infografia para conocer qué es un reto para ser resuelto a través de ciencia de datos

Conozca la solución de proyectos de convocatorias anteriores:

Proyecto 1. Cómo entender la deserción escolar en Colombia

El equipo desarrolló una aplicación web interactiva para mejorar la asignación de recursos y la elaboración de políticas públicas para ayudar a resolver la problemática de la deserción escolar en el país. La aplicación explora estadísticamente los datos de varias fuentes, identifica las características relativas a la deserción escolar y compara el rendimiento de los diferentes municipios.

Adicionalmente, el equipo descubrió que los principales aspectos asociados con las altas tasas de abandono escolar eran:

  1. El porcentaje de estudiantes en las sesiones de la tarde.
  2. el porcentaje de estudiantes afectados por los conflictos.
  3. Las tasas de fertilidad de niños y adolescentes.

Conoce este proyecto:


Proyecto 2. Cobertura hospitalaria en Cali

El objetivo del proyecto era determinar si la infraestructura actual de los hospitales de Cali, Colombia, cubre adecuadamente las necesidades de los habitantes de Cali y si hay un acceso equitativo a esta infraestructura. El equipo utilizó datos de Google Maps para crear un modelo predictivo que estima los tiempos de viaje a los hospitales desde diferentes zonas de la ciudad. También se creó un modelo de optimización para establecer qué hospitales deben ser mejorados y dónde colocar los nuevos hospitales.

Usando estos modelos, el equipo sugirió lugares para crear dos nuevos hospitales que ampliarían en gran medida la cobertura y aumentaría significativamente la cobertura de las zonas de menores ingresos.

Conoce este proyecto:


Proyecto 3. Cómo priorizar la financiación para el desarrollo de proyectos agrícolas en el período post-COVID

El equipo trabajó directamente con la Agencia de Desarrollo Rural para mejorar el proceso para determinar qué proyectos de desarrollo agrícola y rural hay que financiar y desarrollar. Con este fin, crearon una aplicación web con varios tipos de modelos para evaluar los principales predictores que muestran qué proyectos tendrán el mayor impacto y beneficio para las comunidades rurales. Entre los predictores se incluyen: la aptitud para el uso de la tierra, las proyecciones financieras, el acceso al transporte, los beneficiarios, y el tiempo de comercialización.

Conoce este proyecto:


Proyecto 4. Monitoreo y análisis de la ocupación de interiores en tiempo real usando Computer Vision y Machine Learning

El equipo desarrolló una aplicación integrada de visión computarizada para monitorear y modelar el distanciamiento en espacios interiores. Este enfoque de alta precisión y de bajo costo utiliza los algoritmos de machine learning y computer vision para identificar el número de personas en lugares interiores, ayudando así a las empresas que están cumpliendo con las regulaciones asociadas a la COVID-19. Este proyecto también puede utilizarse para mejorar el servicio al cliente en contextos comerciales generales.

Conoce este proyecto:


Proyecto 5. Modelo estadístico y aplicación de seguimiento para el control de la evaluación y la mejora de la política criminal colombiana y el sistema de resocialización

El equipo trabajó directamente con el Ministerio de Justicia de Colombia para mejorar la toma de decisiones sobre la reincidencia en Colombia. Se implementaron dos modelos de machine learning utilizando datos del sistema judicial y se descubrió que las siguientes características están en gran medida asociadas con alguien que comete otro delito: región, edad, delitos anteriores cometidos, y la educación secundaria.

Conoce este proyecto:


Si presenta alguna inquietud sobre el proceso de inscripción o selección de los retos, escríbenos con el asunto "retos ciencia de datos" al siguiente correo electrónico:
[email protected].