Classificação binária com redes neurais para automação do processo de detecção de bloqueios em imóveis de aluguel de temporada

Abstract

Esta monografia propõe a criação de um modelo baseado em redes neurais para prever a natureza de períodos ocupados em imóveis de aluguel de temporada, distinguindo-os entre reservas e bloqueios. O modelo utiliza dados internos da empresa Seazone para realizar o treinamento supervisionado e depois a predição é feita em cima de dados provindos de Web Scraping do Airbnb. O intuito é gerar predições de faturamento em cima dos imóveis raspados. A monografia inicia com a análise exploratória dos dados, envolvendo tabelas de reservas, bem como dados que detalham as qualidades físicas dos imóveis. Depois de explorados, é realizada a limpeza, criação de novos atributos e normalização dos dados. A monografia aborda então a fase de treinamento, onde é criado modelos iniciais de redes neurais que fazem a classificação binária entre reservas e bloqueios. Também é utilizado a otimização bayesiana para ajuste fino dos hiperparâmetros. São utilizadas técnicas para mitigar o risco de overfitting, como o uso de regularizadores L1 e L2 e camadas de dropout. O uso de métricas de validação, como f1-score, foram usadas para avaliar o desempenho do modelo. No final o modelo é posto em ambiente de produção onde é realizado cálculos de previsões de faturamento.