Aplicación de algoritmos de machine learning para predecir el precio de una vivienda

Burgmeijer Salinas, Francisco Miguel

Please use this identifier to cite or link to this item: http://dspace.utpl.edu.ec/handle/29.500.19856/75137

Full metadata record

DC Field	Value	Language
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
Appears in Collections:	Ingeniería en Tecnologías de la Información

Files in This Item:

e82c399c-4b9a-49cf-b19f-0508d5069ca7

Show simple item record