Пошук академічних текстів

Інформація × Реєстраційний номер 2125U003047, Матеріали видань та локальних репозитаріїв Категорія Бакалаврська робота Назва роботи Система прогнозування попиту на ринку нерухомості на основі аналізу великих даних Автор Шипко Станіслав ВолодимировичShypko Stanislav Volodymyrovych Дата публікації 01-01-2025 Постачальник інформації Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» Першоджерело https://ela.kpi.ua/handle/123456789/76263 Видання Київ Опис Об’єктом розроблення є інформаційна система для прогнозування попиту на житлову нерухомість у великих містах. Предметом – методи й технічні рішення, які дозволяють реалізувати прогноз ринкової ціни об’єкта нерухомості на основі його характеристик і зовнішніх факторів. Мета розроблення – створення системи прогнозування на основі підвищення точності оцінки ринкового попиту та вартості житла за рахунок великих даних. У проєкті використані методи регресійного прогнозування, попередньої обробки даних, логарифмічної трансформації цільової змінної та генерації ознак. Реалізація системи побудована на Python, модель прогнозування створена з використанням XGBoost. Серверна частина реалізована на Flask, база даних – на SQLite. Передбачене збереження історії прогнозів і можливість виводу графіків. Обробка пакетних запитів із CSV-файлів реалізована через окремий модуль. Отримані результати можуть бути використані агентствами нерухомості, муніципальними структурами, аналітичними платформами, а також окремими користувачами, які бажають об’єктивно оцінити житло перед купівлею або продажем. The thesis project consists of seven chapters, contains 4 tables, 1 appendix, and 22 sources – totaling 68 pages. Research object: an information system for forecasting demand for residential real estate in large cities. Research subject: methods and technical solutions that enable the prediction of a property's market price based on its characteristics and external factors. Thesis project objective: the goal of the development is to create a forecasting system that enhances the accuracy of estimating market demand and housing prices by leveraging big data. In the first chapter, the specifics of the Ukrainian real estate market are described, along with the role of big data in demand forecasting. In the second chapter, Lun.ua and Zillow are analyzed in terms of their functionality, advantages, and limitations. In the third chapter, the prediction task is formulated, the mathematical model is presented, and the choice of the XGBoost algorithm is justified. In the fourth chapter, the system architecture is designed, including the definition of requirements, selected technologies, and the database structure. In the fifth chapter, methods for big data processing, model training, clustering, and feature generation are discussed. In the sixth chapter, the implementation of the MVP version of the system is presented, along with a demonstration and future development directions. In the seventh chapter, testing, validation, and analysis of the model’s accuracy and stability are conducted. Додано в НРАТ 2025-11-05 Закрити