Introdução/Contextualização
O mercado imobiliário é um sector no qual são negociados imóveis, com participação de proprietários, interessados e corretores para a venda e compra. Em Moçambique, a avaliação de imóveis é amplamente feita por métodos tradicionais baseados na experiência dos avaliadores e dados históricos. No entanto, essa abordagem pode gerar resultados imprecisos, especialmente em contextos onde o avaliador tem conhecimento limitado ou os dados comparativos são escassos. Para modernizar esse processo, foi proposta a aplicação de Aprendizagem de Máquina para fornecer avaliações de imóveis mais rápidas, precisas e objectivas.

Objectivo

• Desenvolver uma aplicação web para avaliação automática de Imóveis habitacionais na Cidade de Maputo com base na técnica de Clustering;

Metodologia
Para a pesquisa, foi aplicada uma abordagem quantitativa, com a colecta de informações sobre os métodos de avaliação atuais e seus desafios, através de pesquisas bibliográficas e entrevista. Foi efectuada a análise dos dados e avaliação de diferentes técnicas de clustering, com base em sua performance. O protótipo foi desenvolvido aplicando a metodologia Waterfall.

Resultados
Dentre as diferentes técnicas, foi escolhida a K-Means devido a sua performance que atingiu até 92% em um dos clusters. Adicionalmente, observou-se que ao segmentar os imóveis com base em características semelhantes, o modelo conseguiu identificar discrepâncias no preço, indicando que, com mais dados, a segmentação poderia ser melhorada.

Conclusões
O protótipo desenvolvido alcançou o objetivo proposto, proporcionando uma ferramenta útil e eficiente para a avaliação automática de imóveis. A aplicação oferece uma alternativa aos métodos tradicionais, beneficiando igualmente a entidades individuais, bem como a imobiliárias ao fornecer estimativas precisas do valor dos imóveis. A solução final oferece uma alternativa prática e objetiva, reduzindo a dependência de avaliadores tradicionais e fornecendo aos usuários uma referência confiável para a tomada de decisões.

Palavras-chave: avaliação automática de imóveis, clustering, machine learning, eficiência na avaliação de imóveis, aplicação web