stivaly Goto Github PK

Predicción de Inmuebles con Alura Latam 👋

🔭 Descripción del Proyecto

Este proyecto busca predecir el precio de inmuebles en diferentes ciudades utilizando diversos factores como la ubicación, número de habitaciones, baños, poder adquisitivo, inseguridad, y más. La modelización se lleva a cabo utilizando técnicas de machine learning, específicamente regresión lineal, con el fin de generar un modelo robusto y confiable.

El Análisis en Bogotá fue realizado con un gran apoyo por parte del equipo de Alura Latam, por lo que para mi desarrollo y práctica he decidido continuar esta linea de aprendizaje, replicando en diferentes ciudades adicionales donde yo estoy haciendo toda la investigación de metadatos y el trabajo de investigación de las variables clave y las correlaciones necesarias.

✨Herramientas Utilizadas

• Google Colaboratory
• Python
• Pandas para manipulación de datos
• Matplotlib y seaborn para visualización de datos
• Scikit-learn para modelado de machine learning

🤓Conocimientos y Habilidades Demostradas

• Preprocesamiento de Datos: Limpieza de datos, manejo de valores nulos, y transformaciones.
• Exploración de Datos: Uso de visualizaciones como gráficos de barras, gráficos de calor y más para entender las relaciones entre variables.
• Machine Learning: Aplicación de modelos de regresión lineal y métricas como MAE y R2 para evaluar el rendimiento del modelo.
• Automatización: Escritura de código para seleccionar automáticamente las mejores combinaciones de características para el modelo.
• Depuración y Optimización: Solución de problemas de errores de código y advertencias, y optimización del rendimiento del modelo.

🌱Aprendizajes en Proceso

Me encuentro desarrollando mis conocimientos en las librerías de python realizando varios analisis centrados en diferentes países que tengan un modelo parecido. Con ello poder entender mejor los datos correspondientes a inmuebles y que les puede estar afectando en sus precios. Espero realizar predicción para 4 ciudades principales en latino américa, Bogotá, Santiago, Ciudad de México y Lima.

👯Contribuciones y Agradecimientos

Este proyecto es el resultado de mi aprendizaje y esfuerzo continuo en el campo del análisis de datos, la programación en python, la guía de ciencia de datos y machine learning de Alura Latam. Agradezco a todos los que han contribuido indirectamente al desarrollo de este proyecto, incluidas las bibliotecas de código abierto y las comunidades en línea.

Espero que este README sea útil para entender el alcance y los detalles del proyecto. Si tienes alguna pregunta o comentario, no dudes en abrir un 'issue' o enviar un 'pull request'.