PricePredictor – System prognozowania cen nieruchomości
Price Predictor — to system informacyjny do prognozowania wartości nieruchomości, opracowany w ramach pracy licencjackiej. Projekt stworzony w celu uproszczenia procesu oceny mieszkań i pomocy użytkownikom w podejmowaniu decyzji podczas zakupu lub sprzedaży nieruchomości.
System pozwala użytkownikowi wprowadzać cechy obiektu za pomocą wygodnego formularza i otrzymywać prognozowaną cenę, cenę za metr kwadratowy oraz średnią wartość w wybranym rejonie. Wszystkie zapytania są przechowywane w bazie danych, co umożliwia przeglądanie historii prognoz i analizowanie wyników z czasem.
Oprócz prognozowania, projekt zawiera strony z zestawem danych, statystyką oraz wizualizacją danych rynku nieruchomości. Zrealizowano autoryzację, role użytkowników, osobisty profil oraz automatyczne logowanie za pomocą tokenów. System zbudowany jest na architekturze REST i wspiera integrację przez API.
Projekt łączy backend, frontend i uczenie maszynowe w jednolitej modułowej architekturze i demonstruje praktyczne zastosowanie Pythona, Flaska oraz analizy danych w rzeczywistym systemie internetowym.
Wewnętrzne funkcje systemu informacyjnego:
◉ przyjmowanie i walidacja danych wejściowych użytkownika;
◉ prognozowanie wartości nieruchomości za pomocą modelu ML;
◉ automatyczne generowanie dodatkowych cech na podstawie opisu obiektu;
◉ przechowywanie prognoz i parametrów zapytań w bazie danych;
◉ uzyskiwanie i filtrowanie historii prognoz;
◉ praca z zestawem danych (przegląd, wyszukiwanie, sortowanie);
◉ analiza statystyczna i wizualizacja danych;
◉ rejestracja i autoryzacja użytkowników;
◉ zarządzanie rolami dostępu (użytkownik / administrator);
◉ automatyczne logowanie przez tokeny (zapamiętaj mnie);
◉ zarządzanie profilem użytkownika i jego danymi;
◉ udostępnianie prognoz przez REST API.
#flask
#python
#machinelearning
#fullstack
#webdevelopment
#information_system
#realestate
#datascience
#restapi
#portfolioproject
System pozwala użytkownikowi wprowadzać cechy obiektu za pomocą wygodnego formularza i otrzymywać prognozowaną cenę, cenę za metr kwadratowy oraz średnią wartość w wybranym rejonie. Wszystkie zapytania są przechowywane w bazie danych, co umożliwia przeglądanie historii prognoz i analizowanie wyników z czasem.
Oprócz prognozowania, projekt zawiera strony z zestawem danych, statystyką oraz wizualizacją danych rynku nieruchomości. Zrealizowano autoryzację, role użytkowników, osobisty profil oraz automatyczne logowanie za pomocą tokenów. System zbudowany jest na architekturze REST i wspiera integrację przez API.
Projekt łączy backend, frontend i uczenie maszynowe w jednolitej modułowej architekturze i demonstruje praktyczne zastosowanie Pythona, Flaska oraz analizy danych w rzeczywistym systemie internetowym.
Wewnętrzne funkcje systemu informacyjnego:
◉ przyjmowanie i walidacja danych wejściowych użytkownika;
◉ prognozowanie wartości nieruchomości za pomocą modelu ML;
◉ automatyczne generowanie dodatkowych cech na podstawie opisu obiektu;
◉ przechowywanie prognoz i parametrów zapytań w bazie danych;
◉ uzyskiwanie i filtrowanie historii prognoz;
◉ praca z zestawem danych (przegląd, wyszukiwanie, sortowanie);
◉ analiza statystyczna i wizualizacja danych;
◉ rejestracja i autoryzacja użytkowników;
◉ zarządzanie rolami dostępu (użytkownik / administrator);
◉ automatyczne logowanie przez tokeny (zapamiętaj mnie);
◉ zarządzanie profilem użytkownika i jego danymi;
◉ udostępnianie prognoz przez REST API.
#flask
#python
#machinelearning
#fullstack
#webdevelopment
#information_system
#realestate
#datascience
#restapi
#portfolioproject