Predicción de precios del sector inmobiliario en zonas costeras del Atlántico en EE.UU., mediante el uso de técnicas de Machine Learning

Vista sencilla de ítem
dc.contributor.advisorAlmonacid Hurtado, Paula María
dc.contributor.authorGallego Muñoz, Sara
dc.coverage.spatialMedellín de: Lat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degrees Long: 075 36 00 W degrees minutes Long: -75.6000 decimal degreeseng
dc.creator.degreeMagíster en Ciencias de Datos y Analíticaspa
dc.creator.emailsgallegom@eafit.edu.co
dc.date.accessioned2024-10-22T16:25:50Z
dc.date.available2024-10-22T16:25:50Z
dc.date.issued2024
dc.descriptionEl sector de bienes inmuebles es fundamental para las economías, representando un significativo porcentaje del PIB en la economía de países desarrollados y emergentes. Este mercado involucra actores clave como inversionistas, compradores, entidades financieras e instituciones gubernamentales, quienes requieren predicciones precisas sobre los precios medianos de los inmuebles para ajustar estrategias, políticas y toma de decisiones informadas. En los últimos años se han propuesto metodologías para estimar el precio de bienes inmuebles en ciudades urbanas centrales, usando variables asociadas a la descripción del inmueble y geográficas de la ubicación. En este trabajo se propone una metodología que permita predecir el precio mediano de bienes inmuebles en zonas costeras del Atlántico en EE. UU., haciendo uso de variables relacionadas tanto con el inmueble como con su entorno y la aplicación de técnicas de Machine Learning y Deep Learning. Se espera obtener la predicción del precio de bienes inmuebles para zonas costeras del Atlántico en EE. UU., de las cuales no se suele obtener esta valoración de manera pública y confiable.
dc.description.abstractThe real estate sector is fundamental to economies, representing a significant percentage of GDP in the economies of developed and emerging countries. This market involves key players such as investors, buyers, financial entities and government institutions, who require accurate forecasts on real estate median prices to adjust strategies, policies and make informed decisions. In recent years, methodologies have been proposed to estimate the price of real estate in central urban cities, using variables associated with the property description and geographic location. In this paper we propose a methodology to predict the median price of real estate in Atlantic coastal areas in the U.S., using variables related to both the property and its environment and the application of Machine Learning and Deep Learning techniques. It is expected to obtain the prediction of the price of real estate for Atlantic coastal areas in the U.S., for which this valuation is not usually obtained in a public and reliable way.
dc.identifier.urihttps://hdl.handle.net/10784/34693
dc.language.isospaspa
dc.publisherUniversidad EAFITspa
dc.publisher.departmentEscuela de Ciencias Aplicadas e Ingeniería. Área Computación y Analíticaspa
dc.publisher.placeMedellín
dc.publisher.programMaestría en Ciencias de los Datos y Analíticaspa
dc.rightsTodos los derechos reservadosspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccesseng
dc.rights.localAcceso abiertospa
dc.subjectMercado inmobiliario
dc.subjectZona costera atlántica
dc.subject.keywordReal estate market
dc.subject.keywordMachine Learning
dc.subject.keywordAtlantic coastal area
dc.subject.lembCIENCIA DE LA INFORMACIÓN
dc.subject.lembBIENES RAÍCES
dc.subject.lembAPRENDIZAJE AUTOMÁTICO (INTELIGENCIA ARTIFICIAL)
dc.subject.lembUSO DE LA TIERRA
dc.titlePredicción de precios del sector inmobiliario en zonas costeras del Atlántico en EE.UU., mediante el uso de técnicas de Machine Learning
dc.typemasterThesiseng
dc.typeinfo:eu-repo/semantics/masterThesiseng
dc.type.hasVersionacceptedVersioneng
dc.type.localTesis de Maestríaspa
dc.type.spaOtro

Archivos

Bloque original
Mostrando 1 - 3 de 3
No hay miniatura disponible
Nombre:
Sara_GallegoMuñoz_2024.pdf
Tamaño:
2.02 MB
Formato:
Adobe Portable Document Format
Descripción:
Trabajo de grado
Descargar
No hay miniatura disponible
Nombre:
carta_aprobacion_trabajo_grado_eafit.pdf
Tamaño:
128.3 KB
Formato:
Adobe Portable Document Format
Descripción:
Carta de aprobación de tesis de grado
Descargar
No hay miniatura disponible
Nombre:
formulario_autorizacion_publicacion_obras.pdf
Tamaño:
582.35 KB
Formato:
Adobe Portable Document Format
Descripción:
Formulario de autorización de publicación de obras
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
2.5 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Maestría en Ciencias de los Datos y Analítica (tesis)