| dc.contributor.advisor | Rodríguez-Vázquez, Alma N. | |
| dc.contributor.author | Acevedo-Robles, Juan P. | |
| dc.date.accessioned | 2024-02-02T23:48:22Z | |
| dc.date.accessioned | 2024-02-27T18:48:12Z | |
| dc.date.available | 2024-02-02T23:48:22Z | |
| dc.date.available | 2024-02-27T18:48:12Z | |
| dc.date.issued | 2024-01 | |
| dc.identifier.citation | Acevedo-Robles, J. P. (2024). Estrategias basadas en datos para la inversión inmobiliaria en la era de Airbnb. Trabajo de obtención de grado, Maestría en Ciencia de Datos. Tlaquepaque, Jalisco: ITESO. | es_MX |
| dc.identifier.uri | https://hdl.handle.net/20.500.12032/122314 | |
| dc.description | En la era digital actual, las transformaciones tecnológicas han reinventado la industria del hospedaje. Una de las plataformas de alojamiento que se ha convertido en líder a nivel mundial es Airbnb. Con más de cuatro millones de anfitriones registrados en el año 2023, la plataforma de Airbnb presenta una oportunidad lucrativa para los propietarios de inmuebles que buscan incrementar sus ingresos mediante el alquiler a corto plazo de sus propiedades. Sin embargo, para un inversionista, elegir la ubicación y el tipo de propiedad sin información que oriente la toma de decisiones puede resultar en una inversión de alto riesgo. En este contexto, surge la necesidad de analizar los datos generados por la plataforma de Airbnb para crear modelos predictivos que sirvan como herramienta para asistir a los inversionistas en tomar decisiones estratégicas y rentables. Bajo ese contexto, en este proyecto se propone la utilización de modelos basados en árboles de decisión y redes neuronales para predecir la cantidad de noches reservadas en las diferentes zonas del área metropolitana de Guadalajara y estimar la utilidad anual. Con esta información, un comprador potencial podrá elegir una propiedad basándose en información que le permita identificar la ubicación y las características más idóneas para incrementar el rendimiento de su inversión. Ambos modelos son evaluados utilizando diferentes métricas de desempeño, demostrando su robustez y eficiencia en sus predicciones. | es_MX |
| dc.language.iso | spa | es_MX |
| dc.publisher | ITESO | es_MX |
| dc.rights.uri | http://quijote.biblio.iteso.mx/licencias/CC-BY-NC-2.5-MX.pdf | es_MX |
| dc.subject | Airbnb | es_MX |
| dc.subject | Inversión Inmobiliaria | es_MX |
| dc.subject | Ciencia de Datos | es_MX |
| dc.subject | Inversiones | es_MX |
| dc.subject | Inmobiliaria | es_MX |
| dc.subject | Análisis de Datos | es_MX |
| dc.title | Estrategias basadas en datos para la inversión inmobiliaria en la era de Airbnb | es_MX |
| dc.type | info:eu-repo/semantics/masterThesis | es_MX |
