vol. 1 núm. 1 (2022): aci. vol 1. no 1.

 Como cualquier otro mercado, el sector inmobiliario atiende a las dinámicas de la oferta y la demanda, las cuales varían según factores propios de la vivienda. Con base a lo anterior, se ha identificado una necesidad de información en cuanto a precios, relativa a las dinámicas del mercado inmobiliario, para la cual se pretende desarrollar herramientas que le permitan tanto a agentes inmobiliarios, compradores, vendedores, constructores y demás participantes del sector, optimizar sus procesos de decisión de cara a la alternativa que más se ajusta a los intereses de cada uno de ellos. En este documento se desarrolla un modelo de Machine Learning que permite predecir los precios de vivienda en la ciudad de Bogotá, lo cual facilita la toma de decisiones en cuanto a la compra de vivienda usada y a su vez, pretende ser una herramienta que las empresas o personas involucradas en el sector inmobiliario, implementen para auspiciar el valor comercial de un bien en determinada zona. De esta manera, el modelo permitirá que el valor de un bien tenga argumentos válidos y no simples especulaciones a la hora de tomar decisiones de cara a compra y venta de inmuebles. Mediante la técnica del raspado de web se obtienen los datos (directamente de la página web fuente), con los cuales se realiza un análisis de cada una de las variables. A partir de lo anterior, se construye el modelo Machine Learning que más se ajusta al estudio, este caso fue un modelo Light Gradiente Boosting, el cual fue sometido a entrenamiento y testeo, dando como resultado un error (MAPE) del 15.58%.