Última actualización: 23 · 02 · 2017
El Trabajo que realicé en KSchool como Proyecto Fin de Máster de Data Science tiene como objetivo estimar los precios del alquiler de viviendas. Busqué que el TFM a realizar cumpliera estos propósitos:
– utilizar fuentes públicas de información
– tener una aplicación real y cercana a todos
– exponer los resultados de la forma más sencilla posible
Las fuentes de datos utilizadas han sido:
– información catastral, accesible desde la web de catastro
– datos de precios de alquiler reales
– capas gráficas de GIS con la información de barrios
La idea inicial era realizar la estimación en todo el territorio nacional, pero la única fuente que cumplía estos requisitos era la de catastro. Tras analizar distintas opciones, limité el análisis a Madrid, que disponía de datos de precios de alquiler del instituto público de la vivienda y una cartografía de barrios.
El siguiente paso fue homogeneizar y enriquecer la información. Como ejemplo, la información de catastro no contiene datos del barrio, y se utilizó la capa gráfica de GIS para añadir esta información.
Tras la etapa de ETL, con técnicas de Machine Learning se estima el precio del alquiler de todas las viviendas de Madrid, utilizando los predictores disponibles que aportan información relevante: superficie, antigüedad de la vivienda, altura, barrio y presencia de garage.
Finalmente los datos se presentan en un Dashboard, donde se puede analizar la información sobre un mapa de barrios, en el que ajustando los distintos predictores se obtiene el mapa de calor de Madrid de los precios de alquiler.
También se generaron 2 mapas de calor más: altura y antigüedad, demostrando que una vez procesada y tratada la información se pueden buscar aplicaciones que inicialmente no se habían considerado.
Toda la información, código del proyecto y datos se encuentran en github y puedes verlo aquí.
Además, si quieres poder trabajar en proyectos tan interesantes como este de Manuel Maestre, nuestro Máster de Data Science te proporcionará todas las herramientas, conocimientos y recursos para convertirte en un Data Scientist, como el mismo nos explicaba hace unas semanas.
El artículo TFM Data Science: Manuel Maestre, estimación precios del alquiler fue escrito el 23 de febrero de 2017 y guardado bajo la categoría Data Science. Puedes encontrar el post en el que hablamos sobre bajo las siguientes etiquetas Alumnos KSchool, kschool, tfm data science.
Escrito por
kschool
09 · 03 · 2023
¿No sabes qué regalar estas navidades? Echa un vistazo a las sugerencias que te hacemos a continuación para acertar con los libros de los profesores de KSchool. Un regalo que te ayudará a mejorar tu formación de una manera muy entretenida. Libros de profesores de Kschool A continuación te mostramos 4 libros imprescindibles para mejorar […]
03 · 03 · 2023
Los datos son uno de los valores más importantes para las empresas, pero debido a la gran cantidad de ellos que podemos encontrar en la red, es complicado poder gestionarlos correctamente para obtener una información valiosa y necesaria que ayude a mejorar la toma de decisiones en cualquier empresa. Debido a esto, cada vez más […]
En los últimos años se ha convertido en uno de los lenguajes de programación favorito de los profesionales por su versatilidad, por lo que aprender a programar en Python es una gran opción para cualquier programador. Si aún no lo conoces te contamos por qué motivos deberías formarte en este lenguaje y cómo puede ayudarte […]
¿Te has preguntado alguna vez por qué los Data Scientist prefieren utilizar la programación en Python frente a otros lenguajes? Te contamos qué ventajas tiene para estos profesionales y por qué motivo se ha convertido en su preferido a la hora de poder realizar su trabajo. Entre las funciones de los Data Scientists está la […]
Información sin compromiso
Por cierto...
Selecciona las opciones que prefieres para comunicarnos contigo.
Gracias
En cualquier caso, si tienes alguna pregunta o duda, puedes llamarnos al:
Lunes a jueves de 9:00 a 18:00 y viernes de 9:00 a 14:00
Llama ahora
o si lo prefieres
Te enviamos el programa