Publication
Property Appraisal Platform
| datacite.subject.fos | Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática | por |
| dc.contributor.advisor | Neves, João Carlos Raposo | |
| dc.contributor.advisor | Lopes, Vasco | |
| dc.contributor.author | Gaudêncio, Mauro Mendes | |
| dc.date.accessioned | 2023-02-20T16:43:11Z | |
| dc.date.available | 2023-02-20T16:43:11Z | |
| dc.date.issued | 2022-11-25 | |
| dc.date.submitted | 2022-10-12 | |
| dc.description.abstract | This document focuses on the internship in the company DeepNeuronic as part of the project ”Property Appraisal Platform”. This project’s main objective was to develop machine learning models capable of inferring real estate prices using machine learning models and a limited set of features capable of describing a property. In order to achieve the objective, the project was divided into two major phases. In the first phase the state of the art was studied and a dataset collection was put together with the aim of creating a comprehensive representation of the real estate market all across the globe. With this dataset collection available, a set of features was chosen according to their relevancy for the main problem. The second phase consisted of the major practical developments, such as the model creation and dataset improvements. With this in mind, the most relevant metrics were chosen and the models were evaluated in the chosen datasets, creating a set of baseline results to improve upon. Afterwards, multiple other experiments were done, tackling different areas of interest that could potentially improve upon the performance of the models. In total, four different models were evaluated and all the experiments improved upon the baseline results. As an highlight, in the last experiment we propose the transformation of the target label from the property price to the ”Coefficient of the price per square meter compared to the suburb average”. Using this new target label, the results obtained were considerably better. All of these experiments were redone in a new more complex dataset, with all of the experiments improving upon the baseline results obtained in this dataset, reinforcing the idea that these experiments can be used even in more complex datasets. | eng |
| dc.description.abstract | Este documento foi criado no âmbito do estágio realizado na empresa DeepNeuronic como parte do projeto ”Plataforma de Avaliação de Propriedades”. O objetivo do mesmo foi desenvolver modelos de aprendizagem automática capazes de avaliar preços do mercado imobiliário usando modelos inteligentes e um conjunto limitado de características capazes de descrever uma propriedade. Para atingir este objetivo o projeto foi dividido em duas partes principais. Na primeira parte foi feito um estudo intensivo do estado da arte, e criada uma coleção de bancos de dados extensiva, representante do mercado imobiliário no mundo inteiro. Com esta coleção disponível, um conjunto de características foram escolhidas de acordo com a sua relevância para o problema em questão. A segunda fase consistiu nos desenvolvimentos práticos principais, envolvendo a criação de modelos e melhorias nos bancos de dados. Para isso foram escolhidas as métricas mais relevantes, e foram avaliados os modelos nos bancos de dados iniciais, criando assim um conjunto de resultados base. Seguidamente, múltiplas experiências foram feitas, abordando diferentes áreas de interesse que podiam potencialmente melhorar os resultados base. No total quatro modelos diferentes foram avaliados e as experiências realizadas todas melhoraram os resultados base obtidos. De especial relevância, na última experiência propomos a transformação do preço da propriedade para uma variável objetivo que pode ser descrita como o ”Coeficiente do preço por metro de área quadrado comparado à média do subúrbio”. Usando esta variável os resultados obtidos foram consideravelmente melhores, estas experiências foram refeitas em um novo banco de dados consideravelmente mais complexo, verificando-se também que todas estas experiências melhoram os resultados obtidos inicialmente, reforçando a ideia que estas experiências podem ser usadas mesmo em bancos de dados mais complexos. | por |
| dc.identifier.tid | 203226224 | |
| dc.identifier.uri | http://hdl.handle.net/10400.6/13112 | |
| dc.language.iso | eng | por |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/4.0/ | |
| dc.subject | Aprendizagem Automática | por |
| dc.subject | Avaliação de Propriedades | por |
| dc.subject | Deepneuronic | por |
| dc.subject | Estágio | por |
| dc.subject | Inteligência Artificial | por |
| dc.subject | Mercado Imobiliário | por |
| dc.title | Property Appraisal Platform | por |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | por |
| rcaap.type | masterThesis | por |
| thesis.degree.name | 2º Ciclo em Engenharia Informática | por |
Files
Original bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- 9448_20087.pdf
- Size:
- 2.85 MB
- Format:
- Adobe Portable Document Format