Investoro - ETAP II

Projekt wdrożenia trzech modeli ML pracujących wspólnie mających na celu przewidzieć stan mieszkania oraz jego dokładną lokalizację w podanym ogłoszeniu lub całej bazie ogłoszeń oraz podać jego przewidywaną wartość w PLN.

ETAP II

• Czas trwania: 4 czerwiec - 31 lipiec 2025

Zadania

Celem tego etapu było zakończenie prac nad całym modelem predykcji składającym się na:

1. Model LSTM predykcji lokalizacji
2. Model LSTM predykcji stanu mieszkania
3. Model SCIKIT-LEARN predykcji cen mieszkania

Wszystkie modele pracują według uproszczonego schematu:

Uproszczony schemat współpracy modeli

Model predykcji lokalizacji

Jest to najbardziej złożony model całego procesu. Jego dokładność sięga ulicy w danej dzielnicy określonego miasta lub ulicy w danej wiosce w danym powiecie dla obszaru całej Polski.

Model wymagał skonstruowania specjalnego słownika pracującego na określonym schemacie stworzonym przez pracowdawcę. Model pozostaje pod ciągłym nadzorem i jest poprawiany sukcesywnie by osiągnąć odpowiednią wydajność.

Zmiany

W porównaniu z etapem I zmiany były fundamentalne. Zmienił się cały plan działania. przebudowane zostały oba wcześniejsze modele (cen i stanu mieszkania), w tym jeden(stan mieszkania) został przebudoawany na model typu LSTM tensorflow.keras

Dobudowanie całkowicie nowego modelu predykcji lokalizacji.

Predykcje plików typu .json pracują jako oddzielne skrypty stosujące model na pojedynczym pliku. Dodatkowo do modelu predykcji lokalizacji dodano wzmocnienie w postaci pomocniczego użycia gpt-o4-mini.

Dalszy rozwój

Aktualna praca polega na wzmacnianiu predykcji i osiąganiu co raz większej wydajności z poszczególnych modeli za pomocą:

• normalizacji,
• zbalansowania,
• regulacji parametrów i hyperparametrów oraz
• różnych innych zabiegów ulepszających np. zwiększanie liczebności komórek neuronowych w poszczególnych warstwach(dropout) lub zmiana charakteru całej warstwy.
• ReLU -> LeakyReLU