Unos estudiantes desarrollan un algoritmo de IA para predecir los precios de viviendas con un 81% de precisión

Los alumnos de Data e IA Carolina Manzano Villegas y sus compañeros David Rodrigo y Marcos Beñat han creado un algoritmo de machine learning capaz de predecir los precios de las viviendas en la Comunidad de Madrid con una precisión del 81%.

El proyecto, que combina inteligencia artificial con análisis y ciencia de datos, se desarrolló en menos de tres meses durante el bootcamp de Data Analytics & Science de NEOLAND, sin requerir conocimientos previos en la materia. Este logro demuestra la capacidad de los estudiantes para abordar complejos desafíos tecnológicos y ofrecer soluciones prácticas en un corto período de tiempo.

Carolina Manzano Villegas, quien anteriormente trabajaba en un laboratorio de microbiología, ha destacado la importancia de este cambio en su carrera: “Después de años de trabajar meticulosamente en el análisis e interpretación de resultados en el laboratorio, decidí enfocarme en el análisis de datos. Este cambio no solo me permite aprovechar mis habilidades analíticas y mi atención al detalle, sino también explorar y aprovechar el vasto potencial de los datos para generar insights valiosos”.

Un mes después de finalizar el bootcamp, Manzano Villegas ya está trabajando como consultora de Business Intelligence en una empresa del sector tecnológico, demostrando el impacto inmediato de esta formación en su trayectoria profesional.

Ignacio Argañaraz, head teacher de Data Analytics & Science en NEOLAND, destacó la integralidad del proyecto: “No se trató solo de crear un modelo de machine learning, sino que también implicó el uso de múltiples herramientas como R, Python, Excel y Power BI para la limpieza, transformación y visualización de los datos. Además, los alumnos desarrollaron una web que permite a los usuarios ingresar los datos de sus viviendas y obtener una estimación de su precio, ofreciendo una alternativa económica a los servicios tradicionales de tasación”.

Argañaraz añadió que, aunque el proyecto no involucra variables temporales y no puede predecir los precios futuros de las viviendas, es una herramienta valiosa para estimar el valor actual de una casa o piso basándose en propiedades con características similares.