ดาต้า ผลงานเด่น

Real Estate ML Microservice

Microservice แบบ machine learning ที่ทำนายมูลค่าทรัพย์สินและผลตอบแทนค่าเช่า โดยใช้ข้อมูลเชิงพื้นที่ ข้อมูลการซื้อขายย้อนหลัง และตัวชี้วัดทางเศรษฐกิจมหภาค

ภาพรวม

ไมโครเซอร์วิส Python ระดับโปรดักชันที่ให้บริการทำนายราคาประเมินอสังหาริมทรัพย์ผ่าน REST API โดยผสมผสานข้อมูลธุรกรรมย้อนหลัง ข้อมูลเศรษฐกิจมหภาคแบบอนุกรมเวลา และฟีเจอร์เชิงภูมิศาสตร์ เพื่อให้การอนุมานใช้เวลาต่ำกว่า 50 มิลลิวินาที พร้อมความสามารถในการอธิบายผลด้วย SHAP

จุดเด่น

โมเดล ensemble แบบ gradient-boosted ที่รวม XGBoost และ LightGBM ฝึกด้วยข้อมูลธุรกรรม ตัวชี้วัดเศรษฐกิจมหภาค และฟีเจอร์ภูมิศาสตร์จาก OpenStreetMap
การออกแบบฟีเจอร์เชิงลึกครอบคลุมคุณสมบัติของอสังหาริมทรัพย์ ตัวชี้วัดย่านที่อยู่อาศัย และปัจจัยมหภาค (อัตราดอกเบี้ย CPI ดัชนีขายต่อ)
ไปป์ไลน์การฝึกโมเดลรายคืนออร์เคสเตรตด้วย Prefect พร้อมเลื่อนขั้นโมเดลอัตโนมัติหากผ่านเกณฑ์ validation
จัดการเวอร์ชันและติดตาม artefact ของโมเดลด้วย MLflow เพื่อความสามารถในการทำซ้ำและย้อนกลับ
REST API บน FastAPI คืนค่าประเมินราคา ช่วงความเชื่อมั่น และฟีเจอร์สำคัญที่มีอิทธิพลต่อผลทำนายผ่าน SHAP
เอนด์พอยต์ batch scoring สำหรับวิเคราะห์พอร์ตโฟลิโออสังหาฯ จำนวนมาก ควบคู่กับการอนุมานแบบเรียลไทม์

สถาปัตยกรรม

ส่วนประกอบ	รายละเอียด
Inference API	บริการ FastAPI เปิด REST API สำหรับคำขอทำนายแบบเรียลไทม์รายรายการและแบบ batch
Model Ensemble	โมเดล ensemble XGBoost + LightGBM โหลดในโปรเซสเพื่อการทำนายความหน่วงต่ำ
Feature Pipeline	เลเยอร์สร้างฟีเจอร์ด้วย Python รวมคุณสมบัติอสังหาฯ ตัวชี้วัดย่าน และตัวชี้วัดมหภาค
Data Sources	ธุรกรรมย้อนหลัง อนุกรมเวลามหภาค และฟีเจอร์ภูมิศาสตร์จาก OpenStreetMap และชุดข้อมูลการใช้ที่ดินของรัฐ
Training Orchestration	Prefect flows ดึงข้อมูลจากคลังข้อมูลรายคืน ฝึกโมเดลใหม่ และเลื่อนขั้นหากผ่านเกณฑ์ validation
Model Registry	MLflow บันทึกการทดลอง จัดการเวอร์ชัน artefact และควบคุมการเปลี่ยนสถานะสู่โปรดักชัน
Explainability	คำนวณค่า SHAP เพื่อแสดงฟีเจอร์ที่มีอิทธิพลสูงสุดต่อแต่ละการทำนายพร้อมผลประเมินราคา

ตัวชี้วัดสำคัญ

ความหน่วงการทำนาย

เฉลี่ยต่ำกว่า 50 มิลลิวินาที

ค่ามัธยฐาน APE

ต่ำกว่า 6% บนข้อมูลนอกตัวอย่าง

รอบการฝึกใหม่

รายคืน

โหมดการอนุมาน

เรียลไทม์ + batch

การอธิบายผล

ฟีเจอร์สำคัญผ่าน SHAP

เทคโนโลยี

PythonXGBoostscikit-learnFastAPIMLflowPostgreSQLDocker

รายละเอียด

หมวดหมู่ ดาต้า

จำนวนเทคโนโลยี 7

สถานะ เผยแพร่แล้ว

ผลงานเด่น ใช่

แกลเลอรี

screenshot_1.png

screenshot_2.png

screenshot_3.png

ผลงานที่เกี่ยวข้อง

ดาต้า

แพลตฟอร์มจับคู่ประกันภัย

แพลตฟอร์มที่ขับเคลื่อนด้วย AI สำหรับจับคู่ลูกค้ากับผลิตภัณฑ์ประกันภัยที่เหมาะสมที่สุด โดยใช้การทำความเข้าใจภาษาธรรมชาติและการจำลองความสัมพันธ์บนพื้นฐานของกราฟ