È così che ho utilizzato i dati immobiliari e li ho alimentati utilizzando OpenAI Large Language Model GPT3
Questo articolo inizia con una storia personale.
Vengo dall'Italia, e ho vissuto nel stati Uniti ormai da 4 anni.
Mi sono trasferita da poco dopo l'università a Roma e sono arrivata qui quando avevo 23 anni. Ho tanti sogni, una passione smisurata (quella per l'intelligenza artificiale), e un dottorato da conseguire all'Università di Cincinnati.
Ho vissuto gran parte della mia vita in Italia, mangiando buon cibo, bevendo buon caffè e sedendo per ore piacevoli nel traffico (per andare letteralmente ovunque) 🙃. Ciò nonostante, ho “adulto” (mia moglie mi ha insegnato questo termine) così tanto negli Stati Uniti, che ho iniziato a fare cose che non avevo mai fatto in Italia da solo, essendo i miei genitori a un oceano di distanza. Una cosa che io e mia moglie facciamo insieme per la prima volta è alla ricerca di una casa.
Per me non americano seguaci, la “caccia alla casa” è banalmente la pratica di cercare la tua casa perfetta. Il termine “a caccia” viene utilizzato perché ci sono così tante case e così tanti agenti immobiliari e siti web che puoi cercare che è molto più che semplicemente “cercare” la tua casa; è una caccia attiva. Si tratta di domande come:
Qual è il miglior sito web? Qual è la migliore offerta? Dov'è il quartiere migliore? Quante tasse pago? Quanto è alta la mia assicurazione?
In fisica, lo chiameremmo an ottimizzazione problema, dove tutte le proprietà della casa dei tuoi sogni vogliono essere soddisfatte (con qualche margine di trattativa) ma limitando il budget a un certo valore di x dollari:
Il mercato è così grande, pieno di opportunità e personalizzabile che gli agenti immobiliari cercano di lavorare con i clienti per ottenere loro la casa dei loro sogni. Per questo concetto, la figura dell'immobiliare negli Stati Uniti viene solitamente collegata anche al concetto di “go-getter”, evidenziando così come le qualità umane e le soft skills siano…
Fonte: towardsdatascience.com
