Sistema para la detección de eventos de robo con imágenes de video mediante el uso de Deep Learning • Extracción y limpieza de 970 videos para crear un conjunto de datos compuesto por 18450 imágenes agrupadas en secuencias de 20 que incluyen eventos normales y sospechosos. • Desarrollo de un modelo con arquitectura CNN-LSTM para la clasificación de videos usando Pytorch.

• Implementación del modelo en el sistema embebido Jetson Nano, logrando una inferencia de 280 ms en videos procesados a 18 FPS y una precisión del 77.5% lo que ofrece la posibilidad de crear sistemas de videovigilancias de bajo coste

Aplicación de galería de imágenes en la instancia EC2 de AWS • Desarrollo de frontend con Bootstrap y backend usando Flask de una aplicación web de galería de imágenes con las funcionalidades de login, registro y activación de cuenta, actualización de contraseña e interacción de perfil con imágenes públicas y privadas. • Desarrollo de base de datos SQL con operaciones CRUD y comunicación con el servidor mediante métodos GET y POST