Искусственный интеллект в оценке стоимости — различия между версиями

Материал из wiki по квалификационному экзамену Оценщиков
Перейти к: навигация, поиск
(Добавить ссылки)
 
(не показана 1 промежуточная версия этого же участника)
Строка 10: Строка 10:
 
# задачи классификации: кластерный анализ, метод k-средних и т. д.;
 
# задачи классификации: кластерный анализ, метод k-средних и т. д.;
 
# задачи снижения размерности;
 
# задачи снижения размерности;
# методы параметрической статистики: анализ корреляции, регрессионный анализ и т. д. Ю;
+
# методы параметрической статистики: анализ корреляции, регрессионный анализ и т. д.;
 
# методы непараметрической статистики: анализ корреляции, регрессионный анализ и т. д.;
 
# методы непараметрической статистики: анализ корреляции, регрессионный анализ и т. д.;
 
# методы машинного обучения: решающие деревья, их леса, градиентный бустинг.  
 
# методы машинного обучения: решающие деревья, их леса, градиентный бустинг.  
Строка 21: Строка 21:
  
 
git clone https://github.com/Kirill-Murashev/AI_for_valuers_book
 
git clone https://github.com/Kirill-Murashev/AI_for_valuers_book
 +
 
git clone https://github.com/Kirill-Murashev/AI_for_valuers_R_source
 
git clone https://github.com/Kirill-Murashev/AI_for_valuers_R_source
 +
 
git clone https://github.com/Kirill-Murashev/AI_for_valuers_Python_source
 
git clone https://github.com/Kirill-Murashev/AI_for_valuers_Python_source
 +
 +
Отдельные работы:
 +
1. Краткое введение в различия между частотным и байесовским подходами к вероятности в оценке стоимости
 +
(http://kvalexam.ru/images/7/78/Frequentist-and-Bayesian-probability.pdf)

Текущая версия на 17:49, 31 декабря 2021

Искусственный интеллект в оценке стоимости

Цель: разработка систем поддержки принятия решений при оценке стоимости, основанных на искусственном интеллекте.

Задачи:

  1. автоматизированный сбор данных;
  2. геокодирование;
  3. описание свойств рынка;
  4. проверка статистических гипотез о свойствах рынка;
  5. задачи классификации: кластерный анализ, метод k-средних и т. д.;
  6. задачи снижения размерности;
  7. методы параметрической статистики: анализ корреляции, регрессионный анализ и т. д.;
  8. методы непараметрической статистики: анализ корреляции, регрессионный анализ и т. д.;
  9. методы машинного обучения: решающие деревья, их леса, градиентный бустинг.
  10. нейронные сети: перцептрон, свёрточные.

Обсуждение: https://www.facebook.com/groups/1977067932456703/?ref=share

Материалы: Statistics, Machine Learning, Data Mining and Artificial Intelligence in Valuation

git clone https://github.com/Kirill-Murashev/AI_for_valuers_book

git clone https://github.com/Kirill-Murashev/AI_for_valuers_R_source

git clone https://github.com/Kirill-Murashev/AI_for_valuers_Python_source

Отдельные работы: 1. Краткое введение в различия между частотным и байесовским подходами к вероятности в оценке стоимости (http://kvalexam.ru/images/7/78/Frequentist-and-Bayesian-probability.pdf)