Logo_Icesi
 

Smartprice insights: sistema basado en inteligencia artificial para la generación de insights de precios en el mercado inmobiliario de Homty

Vista sencilla de ítem
dc.audienceTodo Público
dc.contributor.advisorRodriguez, Ian Mateo
dc.contributor.authorMontaño Cuero, Yesid Humberto
dc.contributor.authorMuñoz Castillo, Javier Ricardo
dc.coverage.spatialCali de Lat: 03 24 00 N degrees minutes Lat: 3.4000 decimal degrees Long: 076 30 00 W degrees minutes Long: -76.5000 decimal degrees.
dc.date.accessioned2026-02-24T16:06:00Z
dc.date.available2026-02-24T16:06:00Z
dc.date.issued2024-12-10
dc.description.abstractActualmente, el sector inmobiliario enfrenta importantes desafíos para tomar decisiones informadas, principalmente debido a la falta de análisis de datos históricos y la falta de comprensión de las tendencias de precios. Este trabajo busca abordar este problema mediante el uso de técnicas avanzadas de ciencia de datos. Homty, empresa dedicada a recopilar y analizar información sobre más de 600.000 propiedades en Colombia, ha identificado una oportunidad crucial para mejorar la rentabilidad de las inversiones en este sector. Esta tesis propone explorar la implementación de técnicas de ciencia de datos e inteligencia artificial para analizar el comportamiento histórico de los precios de propiedades residenciales, como apartamentos y casas, en las principales ciudades del país, como Bogotá, Cali y Medellín.spa
dc.description.abstractCurrently, the real estate sector faces significant challenges in making informed decisions, primarily due to a lack of historical data analysis and a lack of understanding of price trends. This work seeks to address this problem through the use of advanced data science techniques. Homty, a company dedicated to collecting and analyzing information on more than 600,000 properties in Colombia, has identified a crucial opportunity to improve the profitability of investments in this sector. This thesis proposes to explore the implementation of data science and artificial intelligence techniques to analyze the historical price behavior of residential properties, such as apartments and houses, in the country's main cities, including Bogotá, Cali, and Medellín.eng
dc.description.degreelevelMagíster
dc.description.degreenameTrabajo de grado para optar al título de Magister en Ciencia de Datos
dc.description.tableofcontentsContenido -- Introducción -- Planteamiento del Problema -- Pregunta de Investigación -- Justificación -- Objetivos -- Objetivo General -- Objetivos Específicos -- Estado del Arte -- Marco Teórico -- Metodología -- Análisis Exploratorio de Datos -- Descripción del Conjunto de Datos -- Análisis de Datos Faltantes -- Manejo de Valores Faltantes -- Filtrado de Columnas y Filas -- Conversión de Tipos de Datos -- Transformación y Escalamiento de Variables -- Identificación y Eliminación de Valores Atípicos -- Selección de Columnas Numéricas -- Cálculo de Límites para Outliers Usando el Método del IQR -- Filtrado de Outliers -- Visualización del Impacto del Filtrado de Outliers -- Variables Seleccionadas -- Justificación del Método Utilizado -- Análisis de Variables -- Variables Numéricas -- Variables Categóricas -- Análisis Multivariado -- Relación Antigüedad-Precio Promedio -- Distribución del Precio según Municipio -- Precio Promedio según Municipio -- Distribución del Tamaño según Tipo de Inmueble -- Distribución del Precio según Número de Baños -- Relación Precio vs Tamaño según Estrato -- Matriz de Correlación -- Correlaciones más significativas -- Selección y Justificación de las Métricas de Evaluación de Desempeño -- Selección del Modelo -- Regresión Lineal Múltiple -- Árboles de Decisión y Random Forest -- Gradient Boosting Machines (GBM) y XGBoost -- Redes Neuronales (Perceptrón Multicapa) -- Support Vector Regressor (SVR) -- K-Nearest Neighbors (KNN) para Regresión -- Comparación de Métricas de Desempeño -- Optimización -- 1. Optimización de Hiperparámetros -- 2. Feature Engineering -- 3. Regularización -- Dashboard -- Planteamiento -- Visuales Analíticas Desarrolladas -- Consideraciones Éticas -- Resultados -- Presentación de los Hallazgos -- Desempeño de los Modelos Predictivos -- Principales Variables Explicativas -- Hallazgos Geográficos y Demográficos -- Visualización Analítica -- Interpretación de Resultados -- Comparación con las Expectativas Iniciales -- Impacto en las Decisiones Estratégicas -- Relevancia de los Hallazgos -- Discusión -- Implicaciones de los Resultados -- Comparación con Trabajos Similares -- Limitaciones del Estudio -- Sugerencias para Trabajos Futuros -- Conclusiones -- Síntesis de los Principales Hallazgos y su Relevancia -- Cumplimiento de los Objetivos Planteados -- Recomendaciones Prácticas Basadas en los Resultados del Análisis -- Referenciasspa
dc.format.extent58 páginas
dc.format.mediumDigital
dc.format.mimetypeapplication/pdf
dc.identifier.OLIBhttps://biblioteca2.icesi.edu.co/cgi-olib/?oid=366441
dc.identifier.instnameinstname:Universidad Icesi
dc.identifier.reponamereponame:Biblioteca Digital
dc.identifier.repourlrepourl:https://repository.icesi.edu.co/
dc.identifier.urihttps://hdl.handle.net/10906/130567
dc.language.isospa
dc.publisherUniversidad Icesi
dc.publisher.facultyBarberi de Ingeniería, Diseño y Ciencias Aplicadas
dc.publisher.placeSantiago de Cali
dc.publisher.programMaestría en Ciencia de Datos
dc.relation.referencesY. Feng, Y. Zhuang, and Y. Pan, “Music information retrieval by detecting mood via computational media aesthetics,” in Proceedings IEEE/WIC international conference on web intelligence (WI 2003) . IEEE, 2003, pp. 235 – 24spa
dc.relation.referencesYu Xia, Fumei Xu. (2022). Study on Music Emotion Recognition Based on the Machine Learning Model Clustering Algorithm . Wiley Online Library, 3 - 4. https://doi.org/10.1155/2022/9256586spa
dc.relation.referencesYang YH, et al., Music Emotion Classification: A Fuzzy Approach , Proceedings of the 14th ACM international conference on Multimedia,pp. 81 - 84, Oct 2006spa
dc.relation.referencesChen, T., & Guestrin, C. (2016). XGBoost: A Scalable Tree Boosting System. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 785–794. https://doi.org/10.1145/2939672.2939785spa
dc.relation.referencesSmola, A. J., & Schölkopf, B. (2004). A tutorial on support vector regression. Statistics and Computing, 14 (3), 199-222. https://doi.org/10.1023/B:STCO.0000035301.49549.88spa
dc.relation.referencesCover, T., & Hart, P. (1967). Nearest neighbor pattern classification. IEEE Transactions on Information Theory, 13 (1), 21–27. https://doi.org/10.1109/TIT.1967.1053964spa
dc.relation.referencesCruz Paredes, G. P. (2024). Predicción de ventas de departamentos en el distrito de Miraflores de una empresa inmobiliaria de Lima utilizando el modelo de ensamble por medias. Universidad Nacional Agraria La Molina.spa
dc.relation.referencesHernández Parrado, C. A., & Dávila Martínez, J. P. (2024). Housing price prediction in Colombia using machine learning. Trabajo académico, Universidad Nacional Agraria La Molina.spa
dc.relation.referencesSicilia Gómez, B. (2024). Desarrollo de modelos de predicción de precios inmobiliarios utilizando técnicas de machine learning. Universidad Nacional Agraria La Molina.spa
dc.relation.referencesRoig Hernando, J., Gras Alomà, R., & Soriano Llobera, J. M. (2024). Análisis y pronóstico del precio de la vivienda en España: Modelo econométrico desde una perspectiva conductual. Trabajo académico, Universidad Nacional de España.spa
dc.relation.referencesDatsko, A. (2024). Análisis y predicción del precio de la vivienda en Madrid. Universidad Politécnica de Madrid.spa
dc.relation.referencesInternational Valuation Standards Council (IVSC). (2020). Code of Ethics. IVSC Publications.spa
dc.relation.referencesLópez, P. (2022). Desafíos éticos en el uso de inteligencia artificial para la valoración inmobiliaria. Fundación Ética Digital.spa
dc.relation.referencesChapman, P., Clinton, J., Kerber, R., Khabaza, T., Reinartz, T., Shearer, C., & Wirth, R. (2000). CRISP-DM 1.0: Step-by-step data mining guide. The CRISP-DM Consortium.spa
dc.rightsEL AUTOR, expresa que la obra objeto de la presente autorización es original y la elaboró sin quebrantar ni suplantar los derechos de autor de terceros, y de tal forma, la obra es de su exclusiva autoría y tiene la titularidad sobre éste. PARÁGRAFO: en caso de queja o acción por parte de un tercero referente a los derechos de autor sobre el artículo, folleto o libro en cuestión, EL AUTOR, asumirá la responsabilidad total, y saldrá en defensa de los derechos aquí autorizados; para todos los efectos, la Universidad Icesi actúa como un tercero de buena fe. Esta autorización, permite a la Universidad Icesi, de forma indefinida, para que en los términos establecidos en la Ley 23 de 1982, la Ley 44 de 1993, leyes y jurisprudencia vigente al respecto, haga publicación de este con fines educativos.spa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.licenseAttribution-NonCommercial-NoDerivatives 4.0 Internationalen
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject.proposalSector inmobiliariospa
dc.subject.proposalCiencia de datosspa
dc.subject.proposalInteligencia artificialspa
dc.subject.proposalAnálisis de series temporalesspa
dc.subject.proposalPronóstico económicospa
dc.subject.proposalInversionesspa
dc.subject.proposalAnálisis de datosspa
dc.subject.proposalMercado de la viviendaspa
dc.subject.proposalTesis de Maestría en Ciencia de Datosspa
dc.subject.proposalReal estate businesseng
dc.subject.proposalData scienceeng
dc.subject.proposalArtificial intelligenceeng
dc.subject.proposalTime series analysiseng
dc.subject.proposalEconomic forecastingeng
dc.subject.proposalInvestmentseng
dc.subject.proposalData analysiseng
dc.subject.proposalHousing marketeng
dc.titleSmartprice insights: sistema basado en inteligencia artificial para la generación de insights de precios en el mercado inmobiliario de Homtyspa
dc.typemaster thesis
dc.type.coarhttp://purl.org/coar/resource_type/c_ba08
dc.type.coarversionhttp://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.driverinfo:eu-repo/semantics/masterThesis
dc.type.localTesis de maestría
dc.type.versioninfo:eu-repo/semantics/publishedVersion

Archivos

Bloque original

Mostrando 1 - 1 de 1
Miniatura
Nombre:
T03073.pdf
Tamaño:
4.72 MB
Formato:
Adobe Portable Document Format
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Maestría en Ciencia de Datos