Data Science for Real Estate
Binnenkort verschijnen nieuwe startdata & prijzen
Data Science for Real Estate
Binnenkort verschijnen nieuwe startdata & prijzen
Sector
Data en AI
Leervorm
Campus
Over deze opleiding
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.
Voor wie
Je hebt affiniteit met vastgoed en lost graag een probleem op door toepassing van een data science-algoritme.
- Ontwikkelaars
- Investeerders
- Vastgoedmakelaars
- Data analisten
- Financieel adviesverleners
- Overheidspersoneel
- Stadsplanners die de vastgoedmarkt willen analyseren, erin willen investeren of voorspellen.
De opleiding vereist een basiskennis Excel.
Programma
Sessie 1&2: Python, Pandas and Scikit-Learn Bootcamps
7u
- Pandas: je leert gemakkelijk grote datasets organiseren en bewerken, met inbegrip van tijdreeksgegevens
- Matplotlib / Seaborn: je maakt 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 t.o.v. 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 vastgoeddata 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: Digitalisering - SoftwareDe 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 gebeuren in Jupyter Notebook voor de leesbaarheid en herbruikbaarheid en de meeste visualisaties in Power BI Desktop.
BYOD (Bring Your Own Device): breng je eigen laptop mee naar de opleiding.
Lesdata:
4 lesdagen telkens van 9 uur tot 16.30 uur:
Locatie: PXL-NeXT - Campus Corda (gebouw 1, 1ste verdieping), Kempische Steenweg 293/16, 3500 Hasselt.
Wij voorzien koffie, thee, water en broodjeslunch.
Contact:
Wim Guldentops
business developer IT
g| +32 (0) 476 57 04 92
e| wim.guldentops@pxl-next.be
Ik wil meer weten
Vond je geen antwoord op je vraag? Stel ze hier aan onze medewerkers.
