Cada proyecto es un caso de estudio completo: el problema, los datos, el modelo, y los resultados que importan.
¿Qué variables determinan el precio de un inmueble en Bogotá? Un modelo de regresión múltiple sobre 551 propiedades para responder esa pregunta con datos.
¿Qué variables realmente mueven el precio de un inmueble en Bogotá? El mercado inmobiliario colombiano carece de herramientas accesibles para que un comprador o inversionista pueda estimar el valor justo de una propiedad con base en sus características. Este proyecto busca construir ese modelo.
Dataset de 551 inmuebles scrapeados de portales inmobiliarios en Bogotá (2023). 16 variables originales: estrato, área construida, número de baños, garajes, antigüedad, tipo de inmueble, ubicación, entre otras. El dataset fue limpiado y preparado para modelado estadístico.
Probé 3 versiones del modelo de regresión múltiple (con y sin transformación logarítmica). Reduje las variables de 16 a 9 usando una prueba F parcial (p=0,508), confirmando que las 7 variables eliminadas no aportaban significancia estadística al modelo.
El modelo final explica el 89,26% de la varianza en los precios. Esto significa que con solo 9 variables se puede predecir con alta precisión el precio de una vivienda en Bogotá — una herramienta útil para decisiones de inversión inmobiliaria.
Agrupación de jugadores según métricas de rendimiento usando K-Means y PCA para visualización en 2D.
PróximamenteCNN entrenada en Google Colab con data augmentation y GPU para clasificación de imágenes.
Próximamente