Bienvenido al Repositorio Institucional de la UTPL (RiUTPL) que tiene como propósito centralizar los recursos educativos y objetos de aprendizaje generados por la comunidad académica;
este repositorio permitirá preservar, organizar y visibilizar la producción institucional
bajo la licencia Creative Commons 4.0.
Por favor, use este identificador para citar o enlazar este ítem:
http://dspace.utpl.edu.ec/handle/29.500.19856/75137Registro completo de metadatos
| Campo DC | Valor | Lengua/Idioma |
|---|---|---|
| dc.contributor.advisor | Cordero Zambrano, Jorge Marcos | es_ES |
| dc.contributor.author | Burgmeijer Salinas, Francisco Miguel | es_ES |
| dc.date.accessioned | 2025-09-24T16:16:18Z | - |
| dc.date.available | 2025-09-24T16:16:18Z | - |
| dc.date.issued | 2025 | es_ES |
| dc.identifier.citation | Burgmeijer Salinas, F. M. Cordero Zambrano, J. M. (2025) Aplicación de algoritmos de machine learning para predecir el precio de una vivienda [Tesis de Grado, Universidad Técnica Particular de Loja]. Repositorio Institucional. https://dspace.utpl.edu.ec/handle/29.500.19856/75137 | es_ES |
| dc.identifier.other | Cobarc: 1376073 | es_ES |
| dc.identifier.uri | https://bibliotecautpl.utpl.edu.ec/cgi-bin/abnetclwo?ACC=DOSEARCH&xsqf99=147861.TITN. | es_ES |
| dc.description | Resumen: El presente trabajo de titulación desarrolla un sistema de predicción de precios de viviendas en Ecuador basado en algoritmos de machine learning. A través de un análisis exhaustivo de datos inmobiliarios, se implementaron modelos predictivos como la Elastic Net y XGB (Extreme Gradient Boosting), utilizando técnicas avanzadas de preprocesamiento y selección de características. Se empleó la metodología CRISP-DM para garantizar un proceso sistemático y reproducible en la manipulación de datos, entrenamiento del modelo y su posterior evaluación. Finalmente, los modelos se integraron en una aplicación web utilizando los frameworks Angular y Flask para permitir a los usuarios realizar consultas en tiempo real sobre el valor estimado de una propiedad con base en sus características. | es_ES |
| dc.description.abstract | Abstract: This thesis project develops a housing price prediction system in Ecuador based on machine learning algorithms. Through an extensive analysis of real estate data, predictive models such as Elastic Net and XGB (Extreme Gradient Boosting) were implemented using advanced pre-processing and feature selection techniques. The CRISP-DM methodology was employed to ensure a systematic and reproducible process in data handling, model training, and evaluation. Finally, the models were integrated into a web application using the AngularJs and FlaskAPI frameworks to allow users to perform real-time queries regarding a property's estimated value based on its characteristics. | es_ES |
| dc.language.iso | spa | es_ES |
| dc.subject | Ecuador. | es_ES |
| dc.subject | Tesis digital. | es_ES |
| dc.title | Aplicación de algoritmos de machine learning para predecir el precio de una vivienda | es_ES |
| dc.type | bachelorThesis | es_ES |
| Aparece en las colecciones: | Ingeniería en Tecnologías de la Información | |
Ficheros en este ítem:
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.