Rodriguez, Ian MateoMontaño Cuero, Yesid HumbertoMuñoz Castillo, Javier Ricardo2026-02-242026-02-242024-12-10https://hdl.handle.net/10906/130567Actualmente, 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.Currently, 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.Contenido -- 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 -- Referencias58 páginasDigitalapplication/pdfspaEL 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.http://creativecommons.org/licenses/by-nc-nd/4.0/master thesishttps://biblioteca2.icesi.edu.co/cgi-olib/?oid=366441info:eu-repo/semantics/openAccessAttribution-NonCommercial-NoDerivatives 4.0 InternationalSector inmobiliarioCiencia de datosInteligencia artificialAnálisis de series temporalesPronóstico económicoInversionesAnálisis de datosMercado de la viviendaTesis de Maestría en Ciencia de DatosReal estate businessData scienceArtificial intelligenceTime series analysisEconomic forecastingInvestmentsData analysisHousing marketinstname:Universidad Icesireponame:Biblioteca Digitalrepourl:https://repository.icesi.edu.co/http://purl.org/coar/access_right/c_abf2