Этот проект посвящён сбору, анализу и прогнозированию цен на недвижимость с использованием данных с Яндекс.Недвижимости. Проект разделён на четыре основные ветки:

1. Data Collection - сбор и первичная обработка данных
2. Data Analysis - очистка данных, feature engineering и EDA
3. ML Experiments - разработка и тестирование моделей машинного обучения
4. HomePriceAI - интеграция модели в Telegram-бота

• Алметов Кирилл
• Минаков Данил
• Барышев Даниил

• Комплексный подход от сбора данных до готового продукта
• Telegram-бот с удобным интерфейсом для прогнозирования цен
• Качественная разметка более 10 000 изображений для анализа качества ремонта
• Разработка специальных утилит для обработки и разметки данных
• Анализ ключевых факторов, влияющих на стоимость недвижимости

    ├── common/                             # Всопомогательные скрипты и утилиты
    ├── data/                               # Данные для обучения и валидации
    ├── models/                             # Сохранённые модели
    ├── notebooks/                          # Jupyter-ноутбуки с экспериментами
    ├── report/                             # Демонстрации работ
    └── telegram-bot/                       # Деплой модели в телеграм бота

1. Пользователь вводит параметры недвижимости
2. Данные нормализуются и кодируются
3. Модель делает прогноз стоимости
4. Результат форматируется в удобный для пользователя вид

1. Площадь квартиры (корреляция: 0.71)
2. Локация:
   • Район (0.69)
   • Близость к метро (-0.18)
   • Наличие парков (0.26)
3. Характеристики жилья:
   • Высота потолков (0.31)
   • Соотношение этаж/этажность (0.63)

• Оптимизация производительности Telegram-бота
• Улучшение системы классификации изображений

• Исходные данные
• Демонстрация работы утилиты разметки
• Демонстрация работы бота