Інформаційний аналіз та прогнозування даних онлайн-сервісів ринку нерухомості
Тип публікації :
Магістерська робота
Дата випуску :
2023
Автор(и) :
Скляров Андрій Олександрович
Мова основного тексту :
ua
eKNUTSHIR URL :
Цитування :
[APA 7] Скляров, А. О. (2023). Інформаційний аналіз та прогнозування даних онлайн-сервісів ринку нерухомості. [Магістерська робота, Київський національний університет імені Тараса Шевченка]. eKNUTSHIR. https://ir.library.knu.ua/handle/123456789/3969
[ДСТУ] Скляров А. О. Інформаційний аналіз та прогнозування даних онлайн-сервісів ринку нерухомості : кваліфікаційна робота магістра : 12 Інформаційні технології. Київ, 2023. 147 с. URL: https://ir.library.knu.ua/handle/123456789/3969 (дата звернення: 17.07.2026).
Мета дипломної роботи магістра – проаналізувати ринок нерухомості України та розробити модель прогнозування цін на житло за допомогою математичних методів машинного навчання.
Наукова новизна полягає у визначенні важливих аспектів функціонування ринку житлової нерухомості, застосуванні алгоритмів машинного навчання для аналізу великої кількості даних про ринок нерухомості, розробці ефективної моделі машинного навчання, що допомогає виявляти складні зв'язки та тренди, що впливають на ціни.
Для досліджень теоретичних аспектів житлового ринку були використані методи дедукції та індукції, аналізу та синтезу. Для аналізу та прогнозування ціни було застосовано системний та комплексний підхід, статистичні методи збору та обробки інформації. Для прогнозування було використано чотири методи – лінійна регресія, регуляризація, випадковий ліс та XGBoost. Визначено найбільш точну з них та обґрунтування результатів з економічної точки зору.
Ключові слова: машинне навчання, методи, інформаційна аналітика даних, ринок нерухомості, моделювання, аналіз ринку нерухомості, прогнозування цін.
Наукова новизна полягає у визначенні важливих аспектів функціонування ринку житлової нерухомості, застосуванні алгоритмів машинного навчання для аналізу великої кількості даних про ринок нерухомості, розробці ефективної моделі машинного навчання, що допомогає виявляти складні зв'язки та тренди, що впливають на ціни.
Для досліджень теоретичних аспектів житлового ринку були використані методи дедукції та індукції, аналізу та синтезу. Для аналізу та прогнозування ціни було застосовано системний та комплексний підхід, статистичні методи збору та обробки інформації. Для прогнозування було використано чотири методи – лінійна регресія, регуляризація, випадковий ліс та XGBoost. Визначено найбільш точну з них та обґрунтування результатів з економічної точки зору.
Ключові слова: машинне навчання, методи, інформаційна аналітика даних, ринок нерухомості, моделювання, аналіз ринку нерухомості, прогнозування цін.
Галузі знань та спеціальності :
12 Інформаційні технології
122 Комп’ютерні науки
Файл(и) :![Ескіз]()
Вантажиться...
Формат :
Adobe PDF
Розмір :
3.33 MB
Контрольна сума :
(MD5):73e3a26a5590981e1ba5c11fc6bb4a97
Якщо не вказано інше, ця робота розповсюджується на умовах ліцензії Creative Commons Attribution-NonCommercial 4.0 International