Projeto de Ciência de Dados ao qual prevê o preço de aluguel da imóveis na cidade de São Paulo, utilizando técnicas de Machine Learning. Foi feito nesse projeto uma preparação dos dados, em que analisei a qualidade dos dados, análise de dados para entender a distribuição dos dados, análise das features para saber qual o impacto das mesmas no valor do aluguel, e por fim selecionar quais features vão para o treinamento do modelo. Ao final fiz o deploy do modelo num app local utilizando uma API para acessar o app, em que o usuário possa passar as informações do imóvel e ter uma previsão do aluguel. Além disso, ainda construí um banco de dados local para armazenar os inputs do usuário, quando foi iniciado e finalizado o processo, e o tempo de processamento da previsão.
Neste projeto utilizei Flask e sqlite3 para criar o app e o banco de dados local, também utilizei RandomForestRegressor para treinar o modelo de para ver previsão do aluguel. Pandas para análise, limpeza e qualidade dos dados.
- area - tamanho do imóvel em m².
- quartos - quantidade de quartos do imóvel.
- banheiro - quantidade de banheiros do imóvel.
- vagas_garagem - quantidade de vagas na garagem.
- andar - andar que se encontra o imóvel.
- animal - se aceita ou não animais de estimação (variável categórica).
- mobilhado - se o imóvel está ou não mobilhado (variável categórica).
- condominio - valor do condimínio em R$.
- iptu - valor do IPTU do imóvel em R$.
- aluguel - valor do aluguel do imóvel em R$.