• English
    • français
  • English 
    • English
    • français
  • Login
View Item 
  •   DSpace Home
  • Mémoires de Master
  • Faculté du Génie Electrique et d'Informatique
  • Département d'Informatique
  • View Item
  •   DSpace Home
  • Mémoires de Master
  • Faculté du Génie Electrique et d'Informatique
  • Département d'Informatique
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Browse

All of DSpaceCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsThis CollectionBy Issue DateAuthorsTitlesSubjects

My Account

Login

Implémentation et évaluation d’un modèle d’apprentissage automatique pour l’estimation de la valeur marchande de propriétés immobilières

Thumbnail
View/Open
pdf (3.156Mb)
Date
2020
Author
Bellahmer, Hacene
Metadata
Show full item record
Abstract
L’industrie immobilière est une industrie de base importante pour le développement de l’économie nationale. En effet, Le prix de l’immobilier est un indicateur clé du fonctionnement du marché immobilier et la prédiction du prix de biens immobiliers permet d’aider différentes parties prenantes intervenant dans cette industrie. Plusieurs recherches on proposer des méthodes de prédiction immobilière est cela on utilisant des méthodes de régression simple. Avec l’arrivé du big data et les progrès de l’apprentissage automatique il est maintenant possible de construire des modèles plus sophistiqué afin d’exploiter les informations contenues dans des collections de données immobilière. Dans le cadre de ce mémoire, nous avons dans un premier temps présenté un état de l’art de l’apprentissage automatique et de l’apprentissage par réseaux de neurones, en particulier, pour ce qui est des problèmes de régressions tel que la prédiction des prix de biens immobilier. Dans un second temps, nous avons présenté différentes techniques de prétraitement à effectuer sur les collections de données immobilières ainsi que trois types de modèles proposés pour l’estimation immobilière. Dans un troisième temps, nous implémentons les modèles proposés en commençant par préparer la collection de données choisie. Pour finir, nous comparons les résultats obtenus par nos modèles et nous constatons clairement que le modèle à base de réseaux de neurones obtient de meilleures estimations comparant aux deux autres modèles.
URI
https://www.ummto.dz/dspace/handle/ummto/13051
Collections
  • Département d'Informatique [830]

  • Université Mouloud MAMMERI T-O
Adresse Universite Mouloud MAMMERI Tizi-Ouzou 15000 Algerie
 

 


  • Université Mouloud MAMMERI T-O
Adresse Universite Mouloud MAMMERI Tizi-Ouzou 15000 Algerie