이미 소장하고 있다면 판매해 보세요.
- 국내배송만 가능
- 문화비소득공제 가능
책소개
목차
|
제1장 빅데이터와 도시부동산: 새로운 패러다임의 서막
1. 도시부동산 가치평가에 빅데이터가 필요한 이유를 밝힌다 2. 정형·비정형 데이터의 차이를 설명하고 활용 가능성을 제시한다 3. 공공데이터, 민간데이터, IoT 데이터의 활용 사례를 분석한다 4. 도시부동산에서 데이터 수집 방식의 변화 흐름을 고찰한다 제2장 부동산의 전통적 가치평가 방식과 그 한계 1. 도시부동산 관련 비교사례 접근법의 구조와 한계를 분석한다 2. 도시부동산 관련 수익환원법의 실제적용성과 한계를 설명한다 3. 도시부동산 관련 원가법의 적용 조건과 실효성을 진단한다 제3장 도시부동산 가치 평가를 위해 수집되는 빅데이터의 종류와 특징 1. 도시부동산 관련 위치 기반 데이터: 공간 속 가치를 계량화하다 2. 도시부동산 관련 유동인구 및 이동 데이터: 도시의 맥박을 읽다 3. 도시부동산 관련 소비 및 상업활동 데이터: 상권의 실질 가치를 추적하다 4. 도시부동산 관련 소셜미디어 및 리뷰 데이터: 감성적 가치의 데이터화 5. 도시부동산 관련 이미지 및 영상 데이터: 시각적 정보를 구조화하다 제4장 머신러닝 기반 도시부동산 가치예측 모델의 핵심 알고리즘 1. 도시부동산 관련 머신 러닝 기반 회귀분석(선형/비선형)의 원리를 설명한다 2. 도시부동산 관련 머신 러닝 기반 결정트리와 랜덤 포레스트의 구조와 해석력을 비교한다 3. 도시부동산 관련 머신 러닝 기반 XGBoost와 LightGBM의 효율성과 정확도를 비교 분석한다 4. 도시부동산 관련 머신 러닝 기반 AutoML을 활용한 자동 가치평가 시스템 구축 사례를 소개한다 제5장 딥러닝 기반의 도시부동산 가치 평가 모델의 핵심 알고리즘 1. 도시부동산 관련 딥러닝 기반의 다층 퍼셉트론(Multilayer Perceptron)의 작동 원리와 부동산 가치 예측 2. 도시부동산 관련 딥러닝 기반의 순환신경망(RNN)을 활용한 시계열 주택가격패턴 학습 3. 도시부동산 관련 딥러닝 기반의 합성곱 신경망(CNN)을 활용한 위성사진 기반 입지 가치 평가 4. 도시부동산 관련 딥러닝 기반의 자연어 처리(NLP)와 딥러닝의 융합: 부동산 리뷰 데이터의 감성 분석 5. 도시부동산 관련 하이브리드 딥러닝 모델: 다양한 알고리즘의 융합을 통한 예측 정확도 향상 제6장 AI로 분석하는 상권의 숨은 가치 1. GAN을 활용한 가상의 미래 상권 시뮬레이션 사례를 제시한다 2. CNN을 활용한 이미지 기반 상권 매력도 분석 모델을 소개한다 3. 상권 간 유사도 분석을 통해 상호 대체성과 보완성을 진단한다 4. NLP를 활용한 고객 리뷰 데이터 감성 분석 결과를 제시한다 5. 혼합형 AI 모델을 활용한 상권 가치 예측 사례를 비교한다 제7장 주거용 부동산 평가를 위한 빅데이터 분석 방법 1. 빅데이터 기반으로 아파트 실거래가의 시계열 분석 기반 가치예측을 실시한다 2. 빅데이터 기반으로 학군, 공원, 역세권 등 입지요소 데이터를 통합 분석한다 3. 빅데이터 기반으로 층수, 평형, 노후도 등 물리적 속성 데이터의 정제방식을 소개한다 4. 빅데이터 기반으로 커뮤니티, 커뮤니케이션 데이터와 만족도 간의 상관성을 분석한다 5. 빅데이터 기반으로 지역별 주거선호도 패턴을 군집분석 기반으로 도출한다 제8장 상업용 부동산 평가에 활용되는 데이터와 모델 1. 상가의 유동인구 및 체류시간 데이터를 공간 분석한다 2. 업종별 카드매출 빅데이터와 상권 가치 간의 상관성을 탐색한다 3. 공실률, 임대료, 점포 회전율 등 시장지표 데이터를 분석한다 4. 유사 상권 클러스터링을 통한 상가 유형별 가치 차이를 제시한다 5. 상권 AI모델 예측의 정확도와 실제시세의 차이를 비교한다 제9장 공공데이터 기반 도시부동산 가치 분석 1. 국토부, 통계청, 지자체 등 주요 공공데이터의 구조를 해설한다 2. 공동주택 공시가격과 실거래가의 괴리 분석을 시도한다 3. 교통, 환경, 치안 등 도시생활지수의 정량화 가능성을 탐색한다 4. 국토 및 도시개발계획과 정책 변화 데이터를 반영한 시나리오 분석을 제안한다 5. 디지털트윈과 연계한 실시간 도시정보 활용 모델을 검토한다 제10장 민간데이터 기반 도시부동산 가치 분석 1. 네이버·직방 등 부동산 플랫폼 데이터의 정제및 활용법을 설명한다 2. 스타벅스, 프랜차이즈 입점 데이터의 공간적 파급력을 해석한다 3. 민간 위치데이터(LBS)의 유동패턴과 가치 간 관계를 도출한다 4. 부동산 리뷰·후기 데이터의 감정분석 기반 활용 가능성을 제시한다 5. 민간지도 플랫폼 API를 통한 시각화 사례를 소개한다 참고문헌 |
저자 소개 1
서울대 음대 작곡과를 졸업하고 미국 FDU에서 교육학 석사학위를 받았다. 귀국 후 한양대 경영대학에서 예술경영 및 문화예술 마케팅을 연구하여 박사학위를 받았다. 그동안 인하대 경영학과에서 전임강사로 외국인 학생들 상대로 영어강의를 했었다. 현재는 아주대에서 경영대와 국제대학원에서 예술경영, K-Culture and Arts Management, Music Business, Music Industry Management, 디지털 마케팅, 콘텐츠 마케팅, 기업가 정신과 경영 등을 강의해 오고 있다.
원지영의 다른 상품
관련 분류
품목정보
출판사 리뷰
|
전통적으로 부동산 가치 평가는 ‘입지, 입지, 입지’라는 3대 원칙에 의존해왔다. 하지만 빅데이터 시대의 입지는 단순히 지하철역과의 거리나 학군으로만 설명되지 않는다. 유동인구의 시간대별 변화, 상권의 다양성 지수, 대기질과 소음 수준의 실시간 모니터링, 심지어 소셜미디어에서 언급되는 감정 분석까지도 부동산 가치를 결정하는 새로운 변수로 등장하고 있다.
우리는 전통적 감정평가로는 설명할 수 없었던 가격 변동이 빅데이터 분석을 통해서는 명확한 패턴으로 드러났고, 아무도 주목하지 않았던 지역이 데이터가 예측한 대로 핫플레이스로 부상하는 것을 눈 여겨 보고 있다. 특히 코로나19 팬데믹은 우리에게 중요한 교훈을 남겼다. 재택근무의 확산, 생활 패턴의 변화, 소비 트렌드의 급변이 부동산 시장에 미친 영향을 실시간으로 추적할 수 있었던 것은 바로 빅데이터 덕분이었다. 전통적 분석 방법으로는 몇 달 후에 파악할 수 있었던 시장 변화의 조짐을 데이터는 실시간으로 포착해냈다. 본서는 크게 세 부분으로 구성된다. 첫 번째 부분에서는 도시부동산과 빅데이터의 만남이 가져온 패러다임 변화를 살펴본다. 두 번째 부분에서는 구체적인 데이터 수집과 분석 기법들을 소개하되, 복잡한 수식보다는 직관적 이해에 중점을 둔다. 마지막 부분에서는 실제 사례를 통해 빅데이터가 어떻게 숨겨진 투자 기회를 발굴하고 도시 계획의 새로운 방향을 제시하는지를 보여준다. 이 책은 빅데이터라는 새로운 렌즈를 통해 도시부동산의 가치를 분석하고 예측하는 방법에 관한 탐구의 기록이다. 단순히 최신 기술을 소개하는 것을 넘어, 데이터를 통해 도시를 이해하는 새로운 관점과 방법론을 사레위주로 제시하고자 했다. 과거의 경험과 직관에 의존하던 ‘감(感)의 영역’에서 벗어나, 객관적 데이터에 기반한 ‘분석의 영역’으로 나아가는 여정의 안내서가 되는 것이 이 책의 목표이다. 이 책은 부동산 전문가는 물론, 데이터 분석에 관심 있는 일반 독자, 그리고 미래의 스마트시티를 꿈꾸는 젊은 세대 모두를 위해 쓰였다. 복잡한 기술적 내용도 최대한 쉽게 풀어내려 노력했으며, 풍부한 시각 자료와 실제 사례를 통해 독자들이 빅데이터의 힘을 체감할 수 있도록 구성했다. 데이터는 거짓말하지 않는다. 하지만 데이터를 올바르게 읽고 해석하는 것은 여전히 인간의 몫이다. 이 책이 독자들에게 새로운 시각을 제공하고, 데이터 기반 의사결정의 중요성을 일깨우는 계기가 되기를 진심으로 바란다. 그리고 언젠가 이 책을 읽은 독자들이 빅데이터라는 나침반을 들고 도시부동산의 새로운 가능성을 탐험하는 모험가가 되기를 소망한다. 도시는 살아있다. 그리고 데이터는 그 생명력의 맥박을 우리에게 들려주고 있다. 이제 우리는 그 소리에 귀 기울일 때이다. |
리뷰/한줄평0
17,000원
총 1개
17,000원
