Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/11531/78766
Título : | Análisis de factores que afectan al precio de la vivienda mediante el uso de técnicas de Inteligencia Artificial |
Autor : | González Fabre, Raúl Rius Matas, María Fernanda Universidad Pontificia Comillas, Facultad de Ciencias Económicas y Empresariales |
Palabras clave : | 53 Ciencias económicas;5312 Economía sectorial;531203 Construcción |
Fecha de publicación : | 2024 |
Resumen : | El análisis de los factores que inciden en el precio de la vivienda mediante técnicas de
inteligencia artificial emerge como un enfoque crucial en el contexto del mercado
inmobiliario. La complejidad inherente a este mercado, con sus múltiples variables
interrelacionadas, demanda herramientas avanzadas para una comprensión profunda y
una toma de decisiones más precisa. Esta investigación se centra en la aplicación de
algoritmos de aprendizaje automático y análisis de datos para identificar patrones,
tendencias y relaciones ocultas en conjuntos de datos inmobiliarios. Los objetivos
incluyen no solo comprender los determinantes del precio de la vivienda, sino también
optimizar la toma de decisiones en el mercado inmobiliario. La metodología abarca
desde el análisis exploratorio de datos y la revisión de literatura hasta la implementación
de modelos predictivos, con el fin de proporcionar herramientas eficientes y precisas
para la toma de decisiones estratégicas. Los resultados obtenidos de este estudio no solo
informarán sobre los factores más influyentes en los precios de la vivienda, sino que
también ofrecerán recomendaciones estratégicas para los actores clave del mercado
inmobiliario, contribuyendo así a una comprensión más completa y una gestión más
eficaz de este sector fundamental en la economía. The analysis of factors affecting housing prices through artificial intelligence techniques emerges as a crucial approach in the real estate market context. The inherent complexity of this market, with its multiple interrelated variables, demands advanced tools for deep understanding and more precise decision-making. This research focuses on applying machine learning algorithms and data analysis to identify patterns, trends, and hidden relationships in real estate datasets. Objectives include not only understanding the determinants of housing prices but also optimizing decision-making in the real estate market. The methodology spans from exploratory data analysis and literature review to the implementation of predictive models, aiming to provide efficient and accurate tools for strategic decision-making. The findings from this study will not only inform about the most influential factors in housing prices but also offer strategic recommendations for key players in the real estate market, thus contributing to a comprehensive understanding and more effective management of this fundamental sector in the economy. |
Descripción : | Grado en Administración y Dirección de Empresas y Grado en Análisis de Negocios/Business Analytics |
URI : | http://hdl.handle.net/11531/78766 |
Aparece en las colecciones: | KBA-Trabajos Fin de Grado |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
TFG - Rius Matas, Fernanda.pdf | Trabajo Fin de Grado | 2,39 MB | Adobe PDF | ![]() Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.