El Trabajo que realicé en DKS como Proyecto Fin de Máster de Data Science tiene como objetivo estimar los precios del alquiler de viviendas. Busqué que el TFM a realizar cumpliera estos propósitos:
– utilizar fuentes públicas de información
– tener una aplicación real y cercana a todos
– exponer los resultados de la forma más sencilla posible
Las fuentes de datos utilizadas han sido:
– información catastral, accesible desde la web de catastro
– datos de precios de alquiler reales
– capas gráficas de GIS con la información de barrios
La idea inicial era realizar la estimación en todo el territorio nacional, pero la única fuente que cumplía estos requisitos era la de catastro. Tras analizar distintas opciones, limité el análisis a Madrid, que disponía de datos de precios de alquiler del instituto público de la vivienda y una cartografía de barrios.
El siguiente paso fue homogeneizar y enriquecer la información. Como ejemplo, la información de catastro no contiene datos del barrio, y se utilizó la capa gráfica de GIS para añadir esta información.
Tras la etapa de ETL, con técnicas de Machine Learning se estima el precio del alquiler de todas las viviendas de Madrid, utilizando los predictores disponibles que aportan información relevante: superficie, antigüedad de la vivienda, altura, barrio y presencia de garage.
Finalmente los datos se presentan en un Dashboard, donde se puede analizar la información sobre un mapa de barrios, en el que ajustando los distintos predictores se obtiene el mapa de calor de Madrid de los precios de alquiler.
También se generaron 2 mapas de calor más: altura y antigüedad, demostrando que una vez procesada y tratada la información se pueden buscar aplicaciones que inicialmente no se habían considerado.
Toda la información, código del proyecto y datos se encuentran en github y puedes verlo aquí.
Además, si quieres poder trabajar en proyectos tan interesantes como este de Manuel Maestre, nuestro Máster de Data Science te proporcionará todas las herramientas, conocimientos y recursos para convertirte en un Data Scientist, como el mismo nos explicaba hace unas semanas.
El artículo TFM Data Science: Manuel Maestre, estimación precios del alquiler fue escrito el 23 de febrero de 2017 y actualizado por última vez el 13 de diciembre de 2024 y guardado bajo la categoría Data Science. Puedes encontrar el post en el que hablamos sobre .
Nuestros cursos
Máster en Data Science
Domina las mejores técnicas de análisis de datos
Master
8 meses
Primavera
Máster en Product Manager
Titulación conjunta con:
Master
8 meses
Otoño
Descrubre nuestros cursos
14 · 04 · 2026
Data Lake: Qué es, Arquitectura y Clave para el Big Data
Las empresas en la actualidad gestionan un gran volumen de datos, lo que hace imprescindible poder comprender cómo lo hacen. Te contamos por qué el Data Lake es un tecnología imprescindible cuando hablamos de estrategia de análisis y cómo se ha convertido en fundamental en la actualidad. Definiendo el data lake: más allá del almacenamiento […]
14 · 04 · 2026
Web Scraping: guía definitiva de extracción de datos web
A la hora de analizar datos es fundamental conocer una serie de técnicas y sobre todo, entender cómo se recopilan los datos en Internet. Te contamos qué es el Web Scraping y por qué motivo esta técnica se ha convertido en una habilidad imprescindible para los analistas de datos. ¿Qué es el web scraping y […]
13 · 04 · 2026
LightGBM: el framework que ofrece potencia y velocidad en Ciencia de Datos y Aprendizaje Automático
LightGBM es un algoritmo de boosting basado en árboles de decisión que destaca por su velocidad, eficiencia y capacidad para trabajar con un gran volumen de datos. Se ha convertido en una herramienta fundamental dentro del stack de cualquier profesional, desde el científico hasta el analista de datos, que trabaja con modelos predictivos. Por ello, […]
13 · 04 · 2026
Algoritmos de Machine Learning e IA: La Columna Vertebral de la Inteligencia Artificial Moderna
Hablar de algoritmos de Machine Learning e IA es hablar del núcleo que permite a las máquinas aprender de los datos y tomar decisiones. Estos algoritmos son estructuras matemáticas diseñadas para identificar patrones, predecir resultados y automatizar procesos complejos. En el contexto actual, dominar los algoritmos de aprendizaje automático se ha convertido en una competencia […]