Bytero Engine™
Nasz algorytm uczenia maszynowego XGBoost oparty na 185 atrybutach nieruchomości z rozpoznawaniem wizualnym AI.
Bytero Engine wyznacza cenę rynkową dla całego rynku nieruchomości. Model XGBoost oparty na 185 atrybutach nieruchomości z rozpoznawaniem wizualnym AI na podstawie zdjęć, kalibrowany według regionu i segmentu, walidowany na danych hold-out i stale przetrenowywany. Screening transakcji, due diligence i monitoring portfela dla funduszy, zarządzających aktywami i zespołów wycenowych.
Architektura i proces treningu
Cały rynek
Bytero Engine przetwarza cały rynek w czasie rzeczywistym - ponad 360 000 ogłoszeń w UE. Każde ogłoszenie jest na bieżąco monitorowane: atrybuty, zdjęcia, zmiany cen i historia zmian. Dane te stanowią podstawę zarówno treningu, jak i kalibracji modelu - bez nich żadna prognoza nie odzwierciedlałaby rzeczywistej dynamiki rynku. Bytero to warstwa danych rynku, a nie jednorazowa migawka.
Czyszczenie, deduplikacja i filtrowanie wartości odstających
Surowe dane przechodzą przez wieloetapowy potok. Dopasowywanie obrazów metodą perceptual-hash w połączeniu z kontrolami przestrzennymi i geometrycznymi łączy to samo mieszkanie z całego rynku. Kanonicznie normalizujemy układ, stan, rodzaj konstrukcji i klasę energetyczną oraz ujednolicamy walutę. Na potrzeby treningu model waży ogłoszenia względem dominacji większych segmentów i iteracyjnie odfiltrowuje skrajne odchylenia cen - dzięki temu Bytero Engine uczy się typowego zachowania rynku, a nie anomalii agentów ani wartości odstających w zbiorze danych.
Inżynieria cech i analiza wizualna
Z każdego ogłoszenia generujemy dziesiątki cech w pięciu kategoriach: lokalizacja (odległości do centrum miasta, węzłów komunikacyjnych, szkół, supermarketów), geometria (powierzchnia, wiek budynku, piętro), wyposażenie (winda, parking, balkon, garaż), kodowanie geograficzne regionów i powiatów oraz wizualno-finansowa ocena wnętrza. Ocena wizualna pochodzi z multimodalnego modelu wizji komputerowej, który ocenia mieszkanie na podstawie zdjęć. Dla prognozy każda cecha jest równoprawnym wejściem.
Dwa niezależne modele XGBoost - sprzedaż i wynajem
Trenujemy dwa niezależne regresory XGBoost - jeden dla ceny sprzedaży, drugi dla miesięcznego czynszu. Każdy z nich to wewnętrzny zespół wielu wariantów zoptymalizowanych pod kątem różnych skal i odporności na asymetryczne rozkłady cen. XGBoost (drzewa wzmacniane gradientowo) należy do najdokładniejszych algorytmów dla danych tabelarycznych, a Bytero Engine kalibruje go pod kątem kontekstu nieruchomościowego za pomocą własnej regularyzacji, walidacji i strategii przeciwdziałania przetrenowaniu. Wynikiem jest jedna cena rynkowa, a nie kompromis między modelami.
Kalibracja ceny sprzedaży i regionów
Ceny z ogłoszeń to ceny ofertowe - sprzedający wystawiają je optymistycznie, a różnica zależy od segmentu. Po treningu Bytero Engine mierzy medianę reszty między modelem a obserwowanym rynkiem na danych hold-out, w podziale na segmenty, i stosuje przesunięcie kalibracyjne do każdej prognozy. Ten sam mechanizm oddaje specyfikę regionalną - Bratysława, kurortowe powiaty Tatr Wysokich i regiony wiejskie działają według odmiennych reguł i otrzymują własne korekty. Ceny kurortowe nie są zatem włączane do dynamiki regionu stołecznego.
Walidacja hold-out i ciągłe przetrenowywanie
Każdy nowy kandydat na model przechodzi walidację na danych hold-out, których nigdy nie widział - mierzymy R², MAE, MAPE, MedAPE, udział prognoz w dokładnych przedziałach oraz tablicę wyników dla poszczególnych segmentów. Na produkcję trafia tylko model, który pokona aktualnego mistrza we wszystkich kluczowych metrykach. Po każdym cyklu odświeżenia rynku Bytero Engine uzupełnia ceny nowych ogłoszeń i w regularnych odstępach przetrenowuje się na najaktualniejszych danych. Żadnych przestarzałych modeli - zawsze aktualna kalibracja.
Cena rynkowa
Dla każdej nieruchomości Bytero Engine wyznacza cztery ceny: cenę ofertową (poziom cen porównywalnych ofert na rynku) i cenę sprzedaży (poziom, na którym transakcje faktycznie się finalizują) po stronie sprzedaży oraz brutto i netto miesięczny czynsz po stronie najmu. Z nich wyprowadza rentowność oraz odchylenie ceny ofertowej od rynkowej. Cena sprzedaży powstaje z ceny ofertowej poprzez warstwę kalibracyjną uwzględniającą region, aktualne oprocentowanie kredytów hipotecznych (ECB MIR), czas ogłoszenia na rynku oraz odchylenie konkretnego ogłoszenia od porównywalnych ofert. Wynik jest ustrukturyzowany, datowany i wersjonowany: gotowy do wykorzystania na poziomie decyzyjnym w screeningu transakcji, monitoringu portfela i raportach wycenowych. Bytero Engine wyznacza cenę odpowiadającą rzeczywistemu rynkowi - bez ręcznego porównywania i bez kompromisów między modelami.
Analiza wizualna wnętrza
Model wizji komputerowej przetwarza zdjęcia z ogłoszenia i kwantyfikuje atrybuty, które w innym przypadku oceniłby pośrednik podczas oględzin na miejscu.
Multimodalny LLM
Bytero Engine wykorzystuje multimodalny model wizji komputerowej, który przetwarza wszystkie zdjęcia z ogłoszenia naraz i zwraca ustrukturyzowaną ocenę. Dodaje wymiar, którego same dane tabelaryczne nie są w stanie uchwycić: jak nieruchomość faktycznie wygląda. To samo mieszkanie o identycznej powierzchni i lokalizacji może być gotowe do wprowadzenia się lub wymagać generalnego remontu - a model widzi tę różnicę.
Dziewięć ocenianych atrybutów
W skali od 0 do 10 oceniamy dziewięć atrybutów: stan ogólny, kuchnię, łazienkę, meble, podłogę, okna, naturalne światło, jakość zdjęć i potrzebę remontu. Rozkład ocen jest kalibrowany tak, aby górna skrajność obejmowała tylko niewielką część portfela - model różnicuje, nie zbiega się do średniej. Każdy atrybut jest osobnym wejściem do potoku prognozowania.
Wpływ na przewidywanie
Dwa mieszkania o identycznej powierzchni, lokalizacji i układzie mogą mieć wartość rynkową różniącą się o dziesiątki tysięcy euro - w zależności od stanu wnętrza. Ocena wizualna wchodzi do prognozy jako pełnoprawne wejście i wyjaśnia wariancję, której czysto numeryczny model by nie uchwycił. Bez tego wejścia Bytero Engine przy tym samym układzie zrównałby mieszkanie po remoncie z mieszkaniem w stanie pierwotnym.
Wersjonowana ocena
Przy każdym ogłoszeniu widzisz zagregowaną ocenę wizualną wraz z wersją ram oceny. Przy każdej aktualizacji modelu możemy wstecznie porównać, która wersja przyniosła jakie ulepszenie, i zastosować nową rewizję z mocą wsteczną. Żadnej czarnej skrzynki - każda ocena ma audytowalne pochodzenie, datę ewaluacji i weryfikowalne metadane.