Este proyecto busca construir un prototipo de consumo o visualización de un modelo de clasificación de las solicitudes de restablecimiento y reportes de amenaza y vulneración de derechos (en adelante, peticiones) que recibe el ICBF a través de sus distintos canales, que permita definir posteriormente el nivel de prioridad que deberían tener las verificaciones y constataciones en campo. Se basa en el entrenamiento de modelos usando variables numéricas, categóricas y features obtenidas a través del procesamiento de lenguaje natural (NLP) de las descripciones de las peticiones.

Evaluación del estado de casos de fraude que afectan a la Unidad para las Víctimas, a través de un análisis y evaluación de otros posibles casos con algoritmos de machine learning que permiten la detección temprana de fraudes sobre el Registro Único de Víctimas (RUV).

Recopilación, categorización y sistematización de eventos relacionados con el conflicto reportados en servicios informativos nacionales.