M
MΔJΞSTiC
Technology Group

Research

GeoAI, transferencia geográfica y generalización responsable de modelos.

Trabajo doctoral orientado a entender cuándo, cómo y bajo qué límites un modelo predictivo entrenado en una región puede transferirse a otra con características diferentes.

Investigador

Martín Heriberto Pérez Gómez

Doctorando en Ciencias de la Computación · CIC-IPN

La línea de trabajo actual estudia la transferibilidad de modelos predictivos espacio-temporales entre ciudades heterogéneas, con énfasis en datos criminales, representación geoespacial, cambio de distribución y validación reproducible.

El objetivo no es asumir que un modelo funciona fuera del lugar donde fue entrenado, sino medir qué conocimiento puede trasladarse, cuándo aparece transferencia negativa y qué condiciones hacen posible una generalización responsable.

La investigación combina aprendizaje automático, análisis geoespacial, series temporales, armonización de datos y evaluación de modelos entre múltiples contextos urbanos.

Trayectoria académica

Continuidad entre movilidad segura, datos urbanos y transferencia geográfica

Maestría · CIC-IPN

Generación de rutas seguras

Investigación sobre generación de rutas seguras mediante análisis de datos delictivos en dispositivos móviles.

Doctorado · CIC-IPN

Transferibilidad geográfica

Estudio de modelos predictivos espacio-temporales, transferencia entre ciudades y límites de generalización ante distribuciones heterogéneas.

Estancia doctoral · en curso

Grupo BISITE · Universidad de Salamanca

Estancia de investigación actualmente en curso, orientada a fortalecer la evaluación metodológica y la colaboración internacional durante el doctorado.

Producción científica

Publicaciones

Producción bibliográfica mostrada solo cuando existe un estado editorial verificable.

Accepted · Ready for Production

Transfer Learning Across Cities for Spatio-Temporal Crime Prediction: A Comparative Evaluation in Mexico City, Chicago, and London

Martin Heriberto Pérez Gómez · José Giovanni Guzmán Lugo · Miguel Jesús Torres Ruiz

Research and Innovation Forum 2026 Vol. 1 · Springer proceedings

Primer trabajo científico aceptado. La referencia bibliográfica definitiva y el DOI se añadirán cuando Springer publique los metadatos oficiales.

Divulgación y presencia pública

Charlas, congresos y entrevistas

Actividad pública vinculada con investigación, tecnología e innovación, separada de la producción científica formal.

Identidad persistente

ORCID como eje bibliográfico

ORCID se mantiene como identificador académico canónico. Cuando Springer publique la referencia definitiva del trabajo RII, se enlazarán DOI, proceedings y perfiles bibliográficos externos desde esta página.

Reproducibilidad

Próxima capa pública

A medida que los trabajos estén listos para difusión, esta página podrá enlazar papers, preprints, datasets, software, material suplementario y repositorios reproducibles bajo una identidad académica consistente.

Investigación y aplicación en un mismo ecosistema.

Majestic Lab funciona como espacio de transferencia entre investigación, prototipos y sistemas aplicados, manteniendo separados los resultados académicos de las afirmaciones comerciales.