L'industrie immobilière est l'un des piliers fondamentaux de l'économie mondiale, et la compréhension des tendances des prix de l'immobilier est cruciale pour les acheteurs, les vendeurs. Avec l'essor de la technologie et l'abondance de données disponibles, les méthodes de prédiction des prix de l'immobilier ont considérablement évolué, offrant des opportunités pour analyser et anticiper les fluctuations du marché. Dans ce contexte, les techniques de machine learning se révèlent être des outils puissants pour modéliser et prédire les prix de l'immobilier. En exploitant des ensembles de données massives comprenant des informations telles que les caractéristiques des propriétés, les tendances économiques et les paramètres géographiques, les modèles de machine learning peuvent découvrir des relations complexes et non linéaires entre ces variables et les prix des biens immobiliers.
L'objectif de ce projet est de développer un modèle de prédiction du prix de l'immobilier en utilisant des techniques de machine learning. Nous explorerons différentes approches, telles que les algorithmes suivants: Regression linéaire, ElasticNet, KNN, SVR, RandomForest.
Le projet se divise en plusieurs étapes : dans un premier temps, il s'agit de prendre connaissance du jeu de données fourni, puis de se l'approprier, notamment en nettoyant les données et en les préparant à la phase d'apprentissage des modèles de machine learning. Ensuite, il convient de déployer nos modèles sur une application Flask tout en l'encapsulant dans un conteneur pour assurer son fonctionnement à tout moment et n'importe où.