Imbachi Rivas, Francisco Javier
Modelo de machine learning para la estimación del valor comercial de un inmueble en la ciudad de Neiva / Francisco Javier Imbachi Rivas, Anderson Arley Ramírez Charry; Asesor de Tesis Diego Gerardo Roldán Jiménez , Datos electrónicos (1 archivos:2543 MG) - 1 CD-ROM (70 páginas); grabaciones en disco; 12 cm
Tesis
Introducción -- Planteamiento del problema, pregunta de investigación -- Estado del arte -- Marco teórico, inmueble como bien de raíz, avalúo como herramienta tradicional, avalúo comercial, mercado inmobiliario en Colombia, web scraping, machine learning ("aprendizaje automático"), aprendizaje supervisado, matemáticas, métricas de desempeño, marco legal -- Objetivos, objetivo general, objetivos específicos -- Metodología, recolección y extracción de los datos, transformación de los datos, análisis de datos, desarrollo de modelos preliminares, elegir el modelo -- Análisis e interpretaciones de resultados, data frame, análisis de datos, desarrollo de modelos preliminares, elección del modelo -- Conclusiones y recomendaciones
" El objetivo principal de este trabajo de grado es ajustar un modelo de machine learning para así determinar el valor comercial de los inmuebles, a partir de su ubicación geográfica en Neiva y características principales
tales como: tipo de inmueble, área, estrato, piso, habitaciones, parqueaderos, baños, antigüedad, etc. Dicha información es obtenida y analizada por medio de la técnica de Web Scraping, a partir de datos del mercado y ofertas de inmuebles similares, que se encuentran en las diferentes plataformas de ventas de inmuebles en Neiva. mediana y macroempresa se observaron pequeñas diferencias en el ajuste de ambos enfoques.
Finalmente, se tiene que el enfoque bayesiano genera mejores resultados y además, se observó que los ingresos de las empresas en Colombia reportaron un decaimiento en el año 2020 frente al año 2019. Es decir, que la pandemia si afecto significativamente a las empresas colombiana y especialmente a las microempresas y pequeñas empresas.
Por tal motivo, en este proyecto se implementó las técnicas de Machine Learning (Random Forest, XGBoost y Redes Neuronales) con el cual se puede determinar el valor de los inmuebles en la ciudad de Neiva. De esta manera, se concluyó que el mejor modelo para la predicción del valor comercial de un inmueble en la ciudad de Neiva es el de random forest, al presentar valores óptimos en las métricas de desempeño. "
Matemática Aplicada--Modelo de Machine Learning
Th MA 020
Modelo de machine learning para la estimación del valor comercial de un inmueble en la ciudad de Neiva / Francisco Javier Imbachi Rivas, Anderson Arley Ramírez Charry; Asesor de Tesis Diego Gerardo Roldán Jiménez , Datos electrónicos (1 archivos:2543 MG) - 1 CD-ROM (70 páginas); grabaciones en disco; 12 cm
Tesis
Introducción -- Planteamiento del problema, pregunta de investigación -- Estado del arte -- Marco teórico, inmueble como bien de raíz, avalúo como herramienta tradicional, avalúo comercial, mercado inmobiliario en Colombia, web scraping, machine learning ("aprendizaje automático"), aprendizaje supervisado, matemáticas, métricas de desempeño, marco legal -- Objetivos, objetivo general, objetivos específicos -- Metodología, recolección y extracción de los datos, transformación de los datos, análisis de datos, desarrollo de modelos preliminares, elegir el modelo -- Análisis e interpretaciones de resultados, data frame, análisis de datos, desarrollo de modelos preliminares, elección del modelo -- Conclusiones y recomendaciones
" El objetivo principal de este trabajo de grado es ajustar un modelo de machine learning para así determinar el valor comercial de los inmuebles, a partir de su ubicación geográfica en Neiva y características principales
tales como: tipo de inmueble, área, estrato, piso, habitaciones, parqueaderos, baños, antigüedad, etc. Dicha información es obtenida y analizada por medio de la técnica de Web Scraping, a partir de datos del mercado y ofertas de inmuebles similares, que se encuentran en las diferentes plataformas de ventas de inmuebles en Neiva. mediana y macroempresa se observaron pequeñas diferencias en el ajuste de ambos enfoques.
Finalmente, se tiene que el enfoque bayesiano genera mejores resultados y además, se observó que los ingresos de las empresas en Colombia reportaron un decaimiento en el año 2020 frente al año 2019. Es decir, que la pandemia si afecto significativamente a las empresas colombiana y especialmente a las microempresas y pequeñas empresas.
Por tal motivo, en este proyecto se implementó las técnicas de Machine Learning (Random Forest, XGBoost y Redes Neuronales) con el cual se puede determinar el valor de los inmuebles en la ciudad de Neiva. De esta manera, se concluyó que el mejor modelo para la predicción del valor comercial de un inmueble en la ciudad de Neiva es el de random forest, al presentar valores óptimos en las métricas de desempeño. "
Matemática Aplicada--Modelo de Machine Learning
Th MA 020