Uso de la inteligencia artificial en la estimación del precio de la vivienda urbana en municipios intermedios de Colombia

Fecha

Autor corporativo

Título de la revista

ISSN de la revista

Título del volumen

Editor

Universidad Distrital Francisco José de Caldas

Compartir

Altmetric

Resumen

The real estate market in Colombia faces significant challenges owing to the lack of detailed and updated information, which makes it difficult to accurately estimate property prices. This limitation affects the ability of buyers and sellers to make informed decisions in real estate transactions, which in turn has a negative impact on the citizenry’s economic stability. In addition, factors such as unemployment and economic recession negatively affect people's financial perceptions and demand for housing. To address these issues, an artificial intelligence model combining a convolutional neural network and a direct feedforward was developed to estimate real estate prices in intermediate municipalities in Colombia. This model was based on the construction of an information extraction system using web scraping to collect data from real estate offers, formulation of a neural network model that integrates images and alphanumeric features, and evaluation of the model's performance using regularization techniques. During the development of the project, we identified the need to address the technical complexity of the web scraping process and optimize the hyperparameters of the neural network model to improve its generalization capability. We observed that certain hyperparameter configurations, such as intermediate learning rates and moderate regularization values, generated satisfactory results in the training and testing metrics. However, we also noted an inability to generalize new information when evaluating models with new datasets, suggesting the need to expand the size of the datasets and consider other artificial intelligence approaches

Descripción

El mercado inmobiliario en Colombia enfrenta desafíos significativos debido a la falta de información detallada y actualizada, lo que dificulta la estimación precisa de los precios de las propiedades. Esta limitación afecta la capacidad de compradores y vendedores para tomar decisiones informadas en transacciones inmobiliarias, lo que a su vez tiene un impacto negativo en la estabilidad económica de la ciudadanía. Además, factores como el desempleo y la recesión económica también afectan negativamente la percepción financiera de las personas y la demanda de viviendas. Para abordar estas problemáticas, se desarrolló un modelo de inteligencia artificial que combine una red neuronal convolucional y de alimentación directa para estimar los precios de los inmuebles en municipios intermedios de Colombia. Este modelo se basó en la construcción de un sistema de extracción de información mediante web scraping para recopilar datos de ofertas inmobiliarias, la formulación de un modelo de red neuronal que integra imágenes y características alfanuméricas, y la evaluación del rendimiento del modelo mediante técnicas de regularización. Durante el desarrollo del proyecto, identificamos la necesidad de abordar la complejidad técnica del proceso de web scraping y de optimizar los hiperparámetros del modelo de red neuronal para mejorar su capacidad de generalización. Observamos que ciertas configuraciones de hiperparámetros, como tasas de aprendizaje intermedias y valores moderados de regularización, generaban resultados satisfactorios en las métricas de entrenamiento y testeo. Sin embargo, también notamos una incapacidad para generalizar nueva información al evaluar los modelos con conjuntos de datos nuevos, lo que sugiere la necesidad de ampliar el tamaño de los conjuntos de datos y considerar otros enfoques de inteligencia artificial

Palabras clave

Web Scraping, Red neuronal artificial, Municipios intermedios, Google Colab, Mercado inmobiliario

Materias

Ingeniería Catastral y Geodesia -- Tesis y disertaciones academicas , Estimación de precios inmobiliarios en Colombia , Redes neuronales en el mercado inmobiliario , Web scraping para recopilación de datos inmobiliarios , Optimización de hiperparámetros en modelos de IA

Citación