Creación de un algoritmo automático de tasación de propiedades en la Ciudad de Buenos Aires

Este trabajo desarrolla un modelo automatizado de tasación de propiedades residenciales en la Ciudad de Buenos Aires mediante técnicas de aprendizaje automático. A partir de datos obtenidos por web scraping, se construye un dataset con más de 26.000 propiedades, integrando variables estructurales, geoespaciales y contextuales. Se aplican procesos de limpieza, análisis exploratorio e ingeniería de variables para entrenar modelos predictivos como Random Forest y LightGBM. Los resultados muestran que estos enfoques permiten estimar precios con mayor precisión que métodos tradicionales, identificando factores clave como superficie, ubicación y características del inmueble, y contribuyendo a una valuación más objetiva, escalable y adaptada al mercado local.