La investigación titulada "Revisión Sistemática sobre el Uso de la Inteligencia Artificial para la Detección y Prevención de Fraudes Financieros" analiza cómo las técnicas avanzadas de inteligencia artificial fortalecen la seguridad en un sector financiero enfrentado a crecientes desafíos relacionados con el fraude; para ello se realizó una revisión sistemática considerando estudios relevantes entre 2020 y 2025, seleccionados mediante criterios de inclusión y exclusión claramente definidos, destacando técnicas como Random Forest, redes neuronales convolucionales, aprendizaje profundo y análisis predictivo, que han demostrado ser altamente eficaces al identificar patrones anómalos, reducir falsos positivos y mejorar la precisión en tiempo real; aunque estas técnicas presentan ventajas significativas frente a los métodos tradicionales, también enfrentan limitaciones imp...

El objetivo de este estudio fue desarrollar un sistema automático de identificación de individuos buscados en terminales terrestres utilizando Redes Neuronales Convolucionales (CNN). Se realizó bajo un enfoque cuantitativo y un diseño cuasi-experimental. Se empleó un conjunto de datos privado con fines educativos, compuesto por imágenes y videos de individuos en un entorno dinámico, lo que permitió pruebas en contextos reales. La metodología incluyó la carga estructurada de datos biométricos, la detección facial mediante el modelo Multi-Task Cascaded Convolutional Neural Network (MTCNN) y la generación de embeddings faciales con el modelo InceptionResNetV1. Las características extraídas se almacenaron en una base de datos MySQL. Para optimizar la búsqueda en tiempo real, los embeddings se transfirieron a FAISS, una biblioteca optimizada para la búsqueda de similitudes en...