Інформаційна система оцінки ціни нерухомого майна з використанням алгоритмів машинного навчання

Abstract

Бакалаврська кваліфікаційна робота виконана студентом групи КН-409 Машталіром Данилом Богдановичем. Тема: «Інформаційна система оцінки ціни нерухомого майна з використанням алгоритмів машинного навчання». Робота направлена на здобуття ступеня бакалавр за спеціальністю 122 «Комп‘ютерні науки». Метою даної роботи є розробка такої інформаційної системи, яка б давала можливість оцінювати ціну нерухомого майна в реальному часі, з точністю, яка б була прийнятною для суб’єктів ринку нерухомості. Для досягнення мети, будуть використані різні регресійні алгоритми машинного навчання такі як: XGBoost, Random Forest, SVM, Linear regression. Об’єктом дослідження є інформаційна система, що буде прогнозувати ціни на об’єкти житлової нерухомості. В результаті виконання дипломної роботи було розроблено програмний продукт, який дав нам результати ефективності різних моделей машинного навчання в задачі регресії. Результати піддалися оцінці, порівнянню та було зроблено відповідні висновки. Bachelor's qualification work was performed by a student of the group KN-409 Mashtalir Danylo Bogdanovich. The topic is: "Information system for estimating the price of real estate using machine learning algorithms". The work is aimed at obtaining a bachelor's degree in 122 "Computer Science". The purpose of this work is to develop an information system that would allow you to forecast the price of real estate in real time, with an accuracy that would be acceptable to real estate market participants. To achieve this goal, various regression algorithms of machine learning will be used such as: XGBoost, Random Forest, SVM, Linear regression. The object of the study is an information system that will forecast the prices of real estate. As a result of this work, a software product was developed, which gave us the answers about effectiveness of various models of machine learning in the regression problem. The results were evaluated, compared and appropriate conclusions were done.