Professional Documents
Culture Documents
House Price Prediction Presentation
House Price Prediction Presentation
01 02 03
Introduction Etude Préalable Phase de préparation
04 05
Réalisation Conclusion
1
Introduction
Le secteur immobilier en Tunisie est en crise en
raison de la pandémie de COVID-19 et de la crise
économique mondiale, se traduisant par une forte
baisse de la construction de logements, avec
seulement 4000 nouvelles constructions en 2019,
contre 60 000 par an entre 2011 et 2018, et un grand
nombre de biens immobiliers vacants, atteignant les
MAMAISON
Immobilier
263 000 en 2021.
2
Etude Préalable
3
—Contexte du projet & motivations
Le mini-projet académique que j'ai réalisé pendant deux mois à l'IT Business
School (ITBS) porte sur la prédiction des prix de l'immobilier grâce à l'utilisation
de Machine Learning. Ce projet s'inscrit dans le contexte de la transformation
digitale actuelle dans différents secteurs, dont l'immobilier.
4
—Problématique
5
—Solution proposée & Travail
demandé
J'ai comparé différentes options et constaté les limites des sites web immobiliers.
J'ai donc décidé de développer une application spécialisée pour les agences
immobilières, qui propose une prédiction intelligente des prix des biens
immobiliers à des tarifs très attractifs, facilitant ainsi la recherche de biens pour
les propriétaires ou les locataires.
6
Phase De Préparation
7
SWOT ANALYSIS
8
Les Différentes Algorithmes D’apprentissage?
Régression Linéaire
9
Réalisation
10
Les Bibliothéques Utilisées
Pandas Numpy
Grâce à Pandas, le NumPy est la base de
langage Python permet SciPy, qui n’est rien
enfin de charger, d’autre qu’un ensemble
d’aligner, de manipuler de bibliothèques Python
ou encore de fusionner pour des calculs
des données. scientifiques.
Scikit-Learn Pickle
Elle comprend des fonctions Pickle est un module de
pour estimer des forêts python qui permet de
aléatoires, des régressions sauvegarder une ou plusieurs
logistiques, des algorithmes de variables dans un fichier et
classification, et les machines à de récupérer leurs valeurs
vecteurs de support. ultérieurement.
Re
Le module Re permet d'utiliser
des expressions régulières avec
Python.
11
Environnement de travail
12
Travail Réaliser
13
✓ Fractionnement des données en données ✓ Précision du model régression linéaire
d'entraînement et données de test
14
Publication du modèle avec Flask
15
Conclusion
J'ai étudié les méthodes d'exploitation des big data, développé un
système de prédiction de prix immobiliers avec deux algorithmes
d'apprentissage automatique, obtenant une précision de 59%. Le
modèle a été testé sur plusieurs cas avec des prédictions précises.
Pour intégrer de tels travaux dans la vie humaine, il est nécessaire
d'exploiter la révolution des technologies de l'information et de la
communication avec l'intelligence artificielle.
MAMAISON
Immobilier
16
Merci Pour Votre Attention !
lindagacha86@gmail.com
+216 94 600 587