Este repositorio contiene el trabajo realizado durante el curso "Inmersión en Datos" de Alura, donde se llevó a cabo un análisis detallado de datos relacionados con inmuebles de la ciudad de Bogotá. A lo largo del curso, se exploraron diversas técnicas de análisis de datos, limpieza de datos y se aplicaron modelos de regresión lineal para predecir el precio de los inmuebles en función de sus características.
El objetivo principal de este proyecto es analizar y comprender los datos de inmuebles en Bogotá y desarrollar un modelo de regresión lineal para predecir el precio de los inmuebles en función de diversas características. Además, se busca explorar patrones y tendencias en los datos que puedan ser de interés para compradores, vendedores o inversores en el mercado inmobiliario de la ciudad.
Los datos utilizados en este proyecto incluyen información diversa sobre inmuebles. Algunas de las columnas en el conjunto de datos incluyen:
Tipo de inmueble Número de habitaciones Número de baños Área del inmueble Barrio Valor del inmueble Características del entorno, como seguridad, transporte y servicios cercanos Información sobre ingresos, deudas y propiedades de los encuestados
Se llevaron a cabo todas las etapas del proyecto en un entorno de Google Colab utilizando diversas bibliotecas de Python, incluyendo: Pandas para la manipulación y análisis de datos. Matplotlib y Seaborn para la visualización de datos. Scikit-Learn para la implementación del modelo de regresión lineal y la evaluación del rendimiento del modelo.
Este proyecto proporciona una visión detallada del mercado inmobiliario en Bogotá y demuestra cómo los datos pueden utilizarse para comprender y predecir los precios de los inmuebles. Además, se resalta la importancia del análisis de datos y la implementación de modelos de machine learning para obtener información valiosa en el ámbito inmobiliario.