Predicción del precio de vivienda en Antioquia
RESUMEN : En el contexto del mercado inmobiliario el precio de venta tiende a variar significativamente en función de factores como el año de construcción, el estado en que se encuentra, la ubicación y el valor del metro cuadrado, es por esto que existe una necesidad de las personas que deseen compr...
- Autores:
-
Gutiérrez Ramírez, Camilo
Parra Holguín, Daniel
- Tipo de recurso:
- Tesis
- Fecha de publicación:
- 2022
- Institución:
- Universidad de Antioquia
- Repositorio:
- Repositorio UdeA
- Idioma:
- spa
- OAI Identifier:
- oai:bibliotecadigital.udea.edu.co:10495/29131
- Acceso en línea:
- http://hdl.handle.net/10495/29131
- Palabra clave:
- Vivienda
Housing
Precio
Prices
Bienes raíces
Real property
Aprendizaje automático (inteligencia artificial)
Machine learning
Técnicas de predicción
Forecasting
http://aims.fao.org/aos/agrovoc/c_3041
http://vocabularies.unesco.org/thesaurus/concept440
http://vocabularies.unesco.org/thesaurus/concept1804
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by-nc-nd/2.5/co/
Summary: | RESUMEN : En el contexto del mercado inmobiliario el precio de venta tiende a variar significativamente en función de factores como el año de construcción, el estado en que se encuentra, la ubicación y el valor del metro cuadrado, es por esto que existe una necesidad de las personas que deseen comprar o vender una vivienda en estimar el valor del inmueble en cuestión. El proyecto se enfocó en dar una estimación del precio de una vivienda usada en el departamento de Antioquia a partir de variables como área construida, número de habitaciones y baños, localización, entre otros. Se presentan diferentes algoritmos de inteligencia artificial para predecir los precios de la vivienda con una buena precisión que permitirán a distintos actores tener una aproximación para sus intereses económicos que se dan en el mercado de finca raíz. Una vez se tenga el modelo se disponibiliza un microservicio mediante un API. El modelo se actualiza a través de procesos orquestados para obtener datos desde distintas fuentes, esto con el fin de poder entrenar continuamente el modelo y darle la cualidad al desarrollo de adaptarse a nuevos cambios en el mercado, derivados de las dinámicas sociales que impactan el precio de la vivienda, por ejemplo, nuevos focos de desarrollo urbanos, potenciales para inversión. |
---|