@misc{20.500.12880/5710,
year = {2023},
month = {7},
url = {https://hdl.handle.net/20.500.12880/5710},
abstract = {Este trabajo fin de estudios aborda el desafío de ayudar a los usuarios a encontrar zonas en España que se adapten mejor a sus preferencias de compra de vivienda. El proceso de búsqueda de vivienda puede resultar abrumador debido a la cantidad de información disponible y la diversidad de opciones. Por lo tanto, se propone desarrollar una solución personalizada que simplifique este proceso y brinde recomendaciones basadas en las preferencias de cada usuario.
La idea principal de este trabajo plantea el diseño de una arquitectura que permita a los usuarios ingresar sus preferencias personales y situación a través de un formulario. Con base en estas respuestas, la aplicación utilizará técnicas de aprendizaje automático y procesamiento de datos para determinar el perfil de comprador del usuario y las zonas de España que podrían ser más adecuadas para sus necesidades.
La implementación técnica de esta solución, denominada INVERSANDO, se lleva a cabo utilizando tecnologías punteras.
Se utiliza Flask de Python para crear un servidor local y recopilar respuestas de un formulario. A través de un árbol de clasificación, se determina el perfil de comprador y se combinan datos con una tabla de zonas en PostgreSQL. Una red neuronal entrenada a partir de los datos obtenidos de la API del portal Idealista ofrece recomendaciones de viviendas. El feedback de los usuarios mejora las recomendaciones. La solución se implementa en contenedores Docker para facilitar el despliegue en diferentes plataformas.},
title = {Sistema experto para la recomendación de la compra/venta en el sector inmobiliario},
keywords = {Vivienda},
keywords = {Preferencias de compra},
keywords = {Aprendizaje automático},
keywords = {Inversando},
keywords = {Flask},
keywords = {PostgreSQL},
keywords = {Docker},
author = {Guirado Zuriaga, Ignacio},
}