Mostrar el registro sencillo del ítem

dc.contributor.advisorGonzález Fabre, Raúles-ES
dc.contributor.authorRius Matas, María Fernandaes-ES
dc.contributor.otherUniversidad Pontificia Comillas, Facultad de Ciencias Económicas y Empresarialeses_ES
dc.date.accessioned2023-06-12T14:44:10Z
dc.date.available2023-06-12T14:44:10Z
dc.date.issued2024es_ES
dc.identifier.urihttp://hdl.handle.net/11531/78766
dc.descriptionGrado en Administración y Dirección de Empresas y Grado en Análisis de Negocios/Business Analyticses_ES
dc.description.abstractEl 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.es-ES
dc.description.abstractThe 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.en-GB
dc.format.mimetypeapplication/pdfes_ES
dc.language.isoes-ESes_ES
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United Stateses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/es_ES
dc.subject53 Ciencias económicases_ES
dc.subject5312 Economía sectoriales_ES
dc.subject531203 Construcciónes_ES
dc.subject.otherKBAes_ES
dc.titleAnálisis de factores que afectan al precio de la vivienda mediante el uso de técnicas de Inteligencia Artificiales_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses_ES
dc.keywordsMercado inmobiliario, Precio de la vivienda, Machine learning, Oferta y demanda, Mercado de alquiler, Compraventa, Evolución del precioes-ES
dc.keywordsReal estate market, Housing price, Machine Learning,Supply and demand, Rental market, Buying and selling, Price evolutionen-GB


Ficheros en el ítem

Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

Attribution-NonCommercial-NoDerivs 3.0 United States
Excepto si se señala otra cosa, la licencia del ítem se describe como Attribution-NonCommercial-NoDerivs 3.0 United States