Клієнт і цілі:
Я розробив функціональний прототип для стартапу, що трансформує оцінку нерухомості. Мета — швидка, автоматизована платформа на основі даних, яка надає миттєві оцінки вартості об’єктів, замінюючи повільні ручні оцінки. Вона допомагає покупцям, продавцям і агентам ухвалювати більш обґрунтовані рішення.

Виклики та рішення:

Точні прогнози:
Датасет по Одесі (2020) містив дублікати, пропущені значення та викиди. Я побудував пайплайн попередньої обробки з очищенням шумів, Target Encoding, масштабуванням і ознакою property_level для елітної нерухомості. Ансамблева модель HistGradientBoostingRegressor досягла R² > 0.89.

Безшовне розгортання:
Модель працює через Flask REST API (/get_predict) з валідацією pydantic, обробляючи веб- та API-запити в реальному часі.

UX та безпека:
JWT-аутентифікація, рольовий доступ, двоетапна перевірка, персональні кабінети та адаптивний frontend з розумним пошуком забезпечують зручність і безпеку.

Масштабована архітектура:
Модульний backend на Flask, кілька баз даних SQLite та чистий REST API дозволяють легко розширювати систему й інтегрувати нові функції.

Результат:
Користувачі отримують точні прогнози за лічені секунди, відстежують запити, аналізують ринкові тренди через інтерактивні графіки та безпечно керують обліковими записами. Цей проєкт демонструє мою здатність створювати end-to-end AI-рішення для вебу, що приносять вимірювану цінність.

Діапазон ціни:
$200–$400

Тривалість проєкту:
1–3 місяці

Галузь:
Нерухомість