안녕하세요!
정보 감사합니다. 기존 서비스와 비교해서 아떻게 더 좋아쪘는지도 설명해주시면 좋을거 깉네요
제가 들은 바로는 기존의 AI 알고리듬을 이용하는게 아니라 부동산 예측을 위해서 Deep Learning 알고리듬을 개발하였고 이 알고리듬이 NIPS와 ICML이라는 학회에서 소개가 되었다고 하네요.
제가 사용해봤을 때 질로, 레드핀, 트룰리아랑 가장 큰 차이점은 브로커리지가 목적이 아니라 철저하게 집을 소유하고 있는 오너를 위한 플랫폼이며 내 집으로 등록을 해놓으면 일주일마다 업데이트 1) 내 집 가격의 변동, 2) 주변 거래 변동, 3) 유사한 집들의 예측 변동, 4) 모기지 예측 - 캐쉬아웃 파이넨스 분석 등이 트래킹 되어 굳이 이러한 분석들을 위해서 시간을 낭비하지 않아도 되는거 같아요.
바로 회원가입하고 테스트해 봤는데 제 뉴저지 집을 찾지 못하네요. 사이트가 문제인지 제 전화 웹이 문제인지 모르겠지만 제 주소를 입력했을 때 아무런 반응이 없었습니다. 뉴욕만 조회가 되는 건가요? 혹시나 싶어 몇 자 적어 봅니다.
지금 beta 버젼이라 new york city - 5 borough만 먼저 서비스 시작하고 있는거 같아요
아 그렇군요. 제가 제목을 미쳐 보지 못했네요. 정식버전이 나오면 다시 사용해 보겠습니다.
맨하탄이나 퀸즈의 주소들로 해봤는데 검색이 안되는데요?
네. 저도 서치가 안되는 곳이 몇군데 있어서 물어보았는데, 뉴욕 시티 department of finance에서 제공하는 tax address를 기준으로 80만채를 지금은 커버하고 있다고 하네요. 구글서치가 아니라 맵박스 서치 기능을 쓰고 있어서 주소 기입하는 방법에 따라 약간 결과가 안나올 수 는 있다고 하고 아마 베타 진행 하면서 수정해나갈려고 하는거 같어요. 혹시 서치 하시는 주소 (tax bbl) 알려주시면 제가 친구한테 물어봐서 메일로 드릴게요. info@airea.tech으로 메일 보내주세요.
예전부터 인공지능 기반 주식/부동산 가격 예측 나올때 마다 나오던 이야기가..
그런 제품을 만드느니 차라리 그걸로 주식/부동산 투자 하지?
그런데 실제 각종 수학모델과 인공지능 등등이 합쳐진 자동 주식투자 프로그램들이 이미 주식시장에 있긴합니다.
어... 혹시.. 가능하시면 지인분께 NIPS -> NeurIPS 로 학회 이름 표기를 바꿔달라고 요청할수 있을까요? official title이 바뀐만큼 바꾸는게 맞는거라고 생각해서요.
네 친구한테 알려줘야겠네요. 정보 감사드려요!
이런게 있네요. 기존에 알고리즘들은 머신 러닝 기반을 둔 알고리즘은 아닐꺼고, 그래서 부동산 사이트마다 조금 다른 결과값을 반영하는 것 같더라구요. 최근에 리파이낸스때 상담하다가 Zillow 가격을 이야기해줬더니 Zillow 알고리즘은 다른 곳보다 좀더 비싸게 계산한다고, 그 가격 예상하면 안된다는 말씀을 하셨는데, 실제 마켓에서 쓰는 데이터는 조금 다르구나 생각을 했습니다.
알고리즘이 잘 동작을 해서, 많은 사람들이 더 정확한 값에 근거한 주택 매매가 이루어졌으면 좋겠네요.
그리고 질문(궁금한 것)이 하나 있습니다. 웬지 뉴욕시티의 주택시장 사정은 다른 곳과는 사뭇 다른 고유의 펙터가 있을 것 같은데, AI가 알아서 잘 분석해 줄려나요? 향후 이 서비스를 다른 도시, 다른 주, 다른 나라고 확장했을때 AI 성능이 어떻게 나올지 상당히 궁금합니다.
네..이 플랫폼 목적이 정보의 비대칭화를 없애자는 취지에서 시작을 한거 같더라구요. 브러커에 의해서 결정되는 가격이 아닌 빅데이터를 기반으로 한 intrinsic value를 토대로 협상을 시작할 수 있게 무기를 주자 ^^ 이런거 같아요.
저는 베타 버젼 말고 다른 버젼을 이용해봤는데, 여기에서는 왜 딥러닝을 기반으로 하는 AI 알고리듬이 이러한 가격을 주었는지에 대한 설명을 해주는 feature가 있었는데 이게 베타 이후 서비스에 반영되면 위에서 말씀하신대로 집코드, 카운티, 스테이트 마다 가격에 반영되는 펙터들이 다르게 적용되어서 아마 좀더 흥미로운 결과가 될거 같아요.
Zillow도 머신러닝/딥러닝 쓰는걸로 알고있어요. 사진을 이용한 딥러닝 예시를 어디서 본것 같네요. 알고리즘마다 장단점이 있을테니 어느 한곳만 보는것보단 여기저기 다 보는게 좋을것 같습니다. 자체앙상블..
그렇죠. 요즘 ML/DL 안 쓰는 곳 찾기가 어렵습니다. 특히 Zillow는 2017년에 2차에 걸쳐 총상금 $1.2MM (1등팀 상금 $1MM)을 걸고 집값 예측 대회를 열었습니다. 1차에서 상위 100팀이 본선에 진출해 Zillow 데이터를 가지고 미래 집값을 예측했었죠. 본선 진출팀들은 대부분 딥러닝과 GBDT알고리즘의 조합을 사용했습니다. 대회 후에 Zillow에서는 1위 수상팀의 모델을 자체 모델에 추가한다고 발표했구요. https://www.zillow.com/z/info/zillow-prize/ 기사에 공개된 최종 순위 차트에 보시면 마적단도 한 명 있습니다 ㅎㅎ
아 그럼 아쉽게도(?) 현재 근무하고 있는 부동산 관련 업자들은 머신러닝 결과값을 별로 신뢰하지 않는다는 이야기네요. 대충 3만불 정도 적게 잡으시면 될 것 같아요 그렇게 말씀하셨거든요. 그래도 이런 머신러닝 시도는 좋아보이는데, 사람의 일을 점점 잠식할 것 같은 예감이 드는 것은 왜일까요?
AI 가 사람처럼 모든걸 알아서 해주는게 아니라.. 하나의 모델이라고 보시면 됩니다.. Input variable 이 있으면 output 이 나오는 거 잖아요.. 인공지능이라는게.. 사람처럼 머릿속에서 이런게 있으니까 이게 가격에 영향을 미칠거야 라고 답을 주는게 아니라.. AI 모델에 새로운 변수 자료을 넣어서 이걸 training 시켜야 되는 거라.. 뉴욕시티 자료를 가지고 training 시킨 경우 결과값이 아주 잘 나올겁니다.. 그런데.. 이걸 한국의 소도시에 적용하려면 다시 training 을 시켜야 됩니다.. 그래서 자료가 좋으면 AI 가 잘 맞는데.. 자료가 많아지면 training 하는데 시간이 많이 걸려서 real-time application 에 문제가 생기죠..
네 deep leanring model에 대해서 잘 아시는거 같네요 ^^. 전 전문가는 아니지만 친구에게 들은 바로는 이게 어떻게 보면 advanced 된 regresison 모델이죠 cuvature를 맞출수 있는. 제 친구가 쓰는 모델도 전지전증한 그런게 아니라 garbage-in / garbage-out일 수 밖에 없죠. 기존의 deep learning 모델과 크게 다른 점은 attention mechanism이라고 각 인풋들이 아웃풋에 어떻게 영향을 미추었는가를 모델러에게 알려주고 이걸 부동산 투자 전문가들이 리뷰를 하여 아웃라이어들은 제거(feature enginering)를 좀더 세부적으로 할 수 있다는 거라고 하네요. 아마 베타 이후에는 집 가격(아웃풋)에 영향을 미치는 탑15-20 input에 대해서도 알 수 있도록 작업 중인걸로 알고 있어요.
뉴욕에 대해서는 좀 의견이 있을 수 있는게, 뉴욕시티가 다른 주나 도시들에 비해서 data가 많고 available하지만 자본 시장의 수도다 보니 실제 transaction가격에 irrational한 부분이 많이 반영이 되더라구요. 그래서 data validation 상에서 accuracy가 다른 sleepy 한 주나 카운티에 비해서 잘 나오지 않구요. zillow도 뉴욕에 대한 accuracy가 다른 주들에 비해서 가장 낮게 나오는것도 그런 이유인거 같아요.
좋은 정보 감사합니다. 제가 서치한 주소들도 아직 검색이 안되는데 베타서비스는 언제까지 진행하는지 아시나요?
댓글 [18]