Data Science for Real Estate
Binnenkort verschijnen nieuwe startdata & prijzen
Data Science for Real Estate
Binnenkort verschijnen nieuwe startdata & prijzen

Sector
IT & Digital transformation
Leervorm
Campusleren
Introductie
In acht sessies, gespreid over vier volle dagen, leer je hands-on:
• indexen construeren
• waarderingen automatiseren
• clusters analyseren
• tijdreeksen voorspellen
Met deze technieken onder de knie kan je met je eigen datasets snel en efficiënt:
• eerlijke transactieprijzen bepalen
• toekomstige rendementen voorspellen
• locaties analyseren
Tijdens de vierdaagse maak je gebruik van de ervaring én testdata van opleidingspartner Immoparse.
Doelgroep
De opleiding is geschikt voor iedereen die affiniteit heeft met vastgoed en graag een probleem oplost door toepassing van een data science-algoritme.
Ontwikkelaars, investeerders, makelaars, data analisten, financieel adviesverleners, overheidspersoneel, stadsplanners... die de vastgoedmarkt willen analyseren, er in willen investeren of voorspellen zijn welkom.
De opleiding vereist basiskennis Excel.
Programma
Sessie 1&2: Python, Pandas and Scikit-Learn Bootcamps
7u
- Pandas: gemakkelijk leren grote datasets organiseren en bewerken, met inbegrip van tijdreeksgegevens
- Matplotlib / Seaborn: maken van boxplot, scatterplots...
- Scikit-Learn Learning: je leert de belangrijke algoritmen voor machine learning die momenteel bestaan en leert deze effectief te gebruiken
- Inleiding tot lineaire regressie analyse
- Eerste stappen Power BI voor data in te laden en van start te gaan met analyses.
Sessie 3&4: Price Indices
7u
Toelichting hoe price indices werken en hoe de analist deze zelf kan construeren
- Analist kan submarkten analyseren en evoluties herkennen (bijvoorbeeld: appartement Hasselt)
- Overzicht indices: stratification/mix-adjustment, repeat sales, appraisal method, hedonic regression
- Hedonic Regression: Laspeyres, Fisher, Paasche
- Home affordability index
- Je kan zelf indexen maken: appartementen met terras tov appartementen zonder terras
- Interpretaties van indexen en markt opvolgen
- De indexen worden met Python en Power BI gecreëerd.
Sessie 5&6: Automated Valuation Models
7u
Statistisch model dat grote datasets gebruikt om een eerlijke transactieprijs voor een pand te voorspellen.
- Analist leert zelf een hedonisch regressie model bouwen en beoordelen
- Overzicht verschillende modellen:
- Single period models: prijs bepalen, een prijsvork bepalen
- Multi period models
- Aspecten van modellen behandelen als nauwkeurigheid, standaarden...
Sessie 7: cluster analyse
3u
Cluster analyse: gebruik unsupervised learning om vastgoed data te analyseren en om gelijkenissen tussen panden te herkennen.
- Je kan zelf een cluster analyse doen en submarkten bepalen
- K-means, principal component analyse doen, dendrogrammen maken, DBSCAN
- Groepen van panden bepalen en begrijpen waarom deze verschillen voor iedere groep een model maken
- Impact van macro-economische variabele op vastgoed indexen (voor beleggers, immo-investeerders...).
Sessie 8: Tijdreeks analyse
4u
- Time series in pandas
- Univariate, multivariate series, arima-models
- Analyse: level, trend, seasonality, noise
- Analist leert onderliggende data begrijpen en kan voorspellingen maken.
kmo-portefeuille
Thema: DigitaliseringDe kmo-portefeuille is een subsidie van de Vlaamse Overheid waardoor je tot 30% van je inschrijvingsgeld kan recupereren. Lees hier hoe de KMO-portefeuille in zijn werk gaat.
Netto verschuldigd bedrag voor:
* middelgrote ondernemingen
** kleine ondernemingen
Praktische info:
De analyses worden in Jupyter Notebook gedaan voor de leesbaarheid en hergebruikbaarheid en de meeste visualisaties in Power BI Desktop.
BYOD (Bring Your Own Device): om aan deze opleiding te kunnen deelnemen, breng je je eigen laptop mee.
Lesdata:
4 lesdagen telkens van 9 uur tot 16.30 uur
do 04/05/2023
do 11/05/2023
do 25/05/2023
do 01/06/2023
Locatie: PXL-NeXT - Campus Corda (gebouw 1, 1ste verdieping)
Koffie, frisdrank en lunch worden voorzien
Contact:
Wim Guldentops
business developer IT
g| +32 (0) 476 57 04 92
e| wim.guldentops@pxl-next.be
Meer info nodig?
Geen antwoord gevonden op je vraag? Stel ze hier aan onze medewerkers!