Υλοποίηση ολοκληρωμένου συστήματος μηχανικής μάθησης για την πρόβλεψη τιμών ακινήτων

Στυλιανίδης, Χρήστος; Stylianidis, Christos

dc.contributor.author	Στυλιανίδης, Χρήστος	el
dc.contributor.author	Stylianidis, Christos	en
dc.date.accessioned	2022-02-28T20:23:54Z
dc.date.available	2022-02-28T20:23:54Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/54876
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.22574
dc.rights	Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-sa/3.0/gr/	*
dc.subject	Πρόβλεψη τιμών ακινήτων	el
dc.subject	Ακίνητα	el
dc.subject	Μηχανική μάθηση	el
dc.subject	Εξόρυξη δεδομένων	el
dc.subject	Ανάλυση δεδομένων	el
dc.subject	Επεξεργασία δεδομένων	el
dc.subject	Σωλήνωση δεδομένων	el
dc.subject	Web scraping	en
dc.subject	Νευρωνικά δίκτυα	el
dc.subject	Τυχαία δάση	el
dc.subject	Στοχαστική κάθοδος κλίσης	el
dc.subject	Ενίσχυση κλίσης	el
dc.subject	Real Estate price prediction	en
dc.subject	Real Estate	en
dc.subject	Machine learning	en
dc.subject	Data extraction	en
dc.subject	Data analysis	en
dc.subject	Data processing	en
dc.subject	Data pipeline	en
dc.subject	Neural networks	en
dc.subject	Random forests	en
dc.subject	Stochastic gradient descent	en
dc.subject	Gradient boosting	en
dc.title	Υλοποίηση ολοκληρωμένου συστήματος μηχανικής μάθησης για την πρόβλεψη τιμών ακινήτων	el
heal.type	bachelorThesis
heal.classification	Μηχανική μάθηση	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2021-06-24
heal.abstract	Η αγοραπωλησία ακινήτων αποτελεί ένα αναπόσπαστο στοιχείο της κοινωνίας. Αποτελεί κομβικό σημείο στη ζωή σχεδόν κάθε ανθρώπου και προσφέρει τη δυνατότητα δημιουργίας σημαντικού πλούτου για όποιον μπορεί να κρίνει εύστοχα τις τιμές. Συνεπώς, μοντέλα Μηχα- νικής Μάθησης που μπορούν να δώσουν εύστοχες προβλέψεις τιμών αποτελούν αντικείμενα μεγάλου ενδιαφέροντος. Σε επίπεδο δημοσίως διαθέσιμης έρευνας έχουν γίνει σημαντικά βήματα, τα οποία επικε- ντρώνονται κυρίως στην αξιολόγηση της απόδοσης διαφορετικών αλγορίθμων σε ήδη διαθέσιμα σύνολα δεδομένων. Τα σύνολα δεδομένων αυτά έχουν περάσει προσεκτική επεξεργασία προ- κειμένου να περιέχουν ορθά και όσο γίνεται πιο πλήρη, αν και λιγοστά σε ποσότητα, στοιχεία. Εναντίως, στον ιδιωτικό τομέα πλήθος εταιριών που ειδικεύονται στην αγοραπωλησία α- κινήτων έχουν πρόσβαση σε τεράστιες ποσότητες δεδομένων με τα οποία μπορούν να τροφο- δοτήσουν τα μοντέλα τους. Το αποτέλεσμα είναι τα μοντέλα αυτά συχνά να έχουν καλύτερες δυνατότητες γενίκευσης σε νέα δεδομένα του πραγματικού κόσμου. Σκοπός της παρούσας διπλωματικής εργασίας είναι να προσομοιώσει την προσέγγιση μιας πιθανής νεοφυούς επιχείρησης η οποία, χωρίς να διαθέτει ένα έτοιμο σύνολο δεδομένων, επιθυμεί να δραστηριοποιηθεί στον τομέα της πρόβλεψης τιμών ακινήτων. Πραγματεύεται την συλλογή δεδομένων από διαφορετικές πηγές, την αξιολόγηση της ποιότητάς τους, την επεξεργασία τους και τέλος την εκπαίδευση μοντέλων μηχανικής μάθησης με βάση τα δεδομένα αυτά και την αξιολόγηση της απόδοσής τους.	el
heal.advisorName	Σταφυλοπάτης, Ανδρέας-Γεώργιος	el
heal.committeeMemberName	Σταφυλοπάτης, Ανδρέας-Γεώργιος	el
heal.committeeMemberName	Κόλλιας, Στέφανος	el
heal.committeeMemberName	Στάμου, Γεώργιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	129 σ.	el
heal.fullTextAvailability	false