Система прогнозування попиту на ринку нерухомості на основі аналізу великих даних

Скорочена інформація про документ
dc.contributor.advisorПисаренко, Андрій Володимирович
dc.contributor.authorШипко, Станіслав Володимирович
dc.date.accessioned2025-09-23T11:52:10Z
dc.date.available2025-09-23T11:52:10Z
dc.date.issued2025
dc.description.abstractОб’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.
dc.description.abstractotherThe 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.
dc.format.extent74 с.
dc.identifier.citationШипко, С. В. Система прогнозування попиту на ринку нерухомості на основі аналізу великих даних : дипломний проєкт ... бакалавра : 126 Інформаційні системи та технології / Шипко Станіслав Володимирович. – Київ, 2025. – 74 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/76263
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectінформаційна система
dc.subjectпрогнозування
dc.subjectнерухомість
dc.subjectXGBoost
dc.subjectмашинне навчання
dc.subjectринковий попит
dc.subject.udc004.04
dc.titleСистема прогнозування попиту на ринку нерухомості на основі аналізу великих даних
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Shypko_bakalavr.pdf
Розмір:
2.37 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ІСТ)
Бакалаврські роботи