With the rapid development in the construction sector in recent years, housing sales, which is one of the economic investments, have accelerated, making an objective valuation difficult and making it impossible to predict the real price due to the fact that there are too many parameters in the valuation stage and there is no definite formula. In addition, in real estate appraisal processes, the use of artificial neural networks (ANN), which is one of the artificial intelligence methods, has made it attractive to perform and adapt machine learning using examples, to provide information about unprecedented examples, to work fast and easy to identify, to provides solutions to complex problems, to work with little information. In this study, ANN models were created by rearranging the quantification values in an existing study by creating ANN models with 14 parameters that are effective in determining the fair value of a total of 220 houses for sale advertised on an e-commerce site in different neighborhoods of Yenimahalle district of Ankara/Turkey, and it was observed that with the use of rearranged quantification values, the ANN architecture selected with mean square error (MSE) 0.000016, regression (R) 95.99% and accuracy rate 91.73% gave more successful results in predicting the house price.

Barınmanın yanı sıra bir yatırım aracı olan konutların mutlak bir değerinin olmaması ve tamamen izafi olması bakımından pazarlama ve satış aşamalarında birçok faktöre bağlı olan piyasa rayici üzerinden değerlendirilmesi gerekmektedir. Bu çalışma ile konutların rayiç değerlerinin tespitinin hızlı ve doğru şekilde yapılabilmesi için yapay zekâ yöntemlerinden olan bir Yapay Sinir Ağı (YSA) modeli geliştirilmiştir. Bu amaçla, Ankara'nın Keçiören ilçesine bağlı farklı mahallelerde yer alan, Türkiye'de gayrimenkul satışlarının yapıldığı bir e-ticaret sitesinde ilan edilmiş toplam 149 adet satılık konut, YSA modellerini oluşturmak için dikkate alınmıştır. Bir konutun rayiç değerinin belirlenmesinde etkili olan 11 adet parametre sayısallaştırılarak, yapay sinir ağı modelleri kurulmuştur. Gizli katmanı, nöron sayısı ve aktivasyon fonksiyonu değiştirilerek 20 adet model kurulmuş ve en uygun gizli katman, nöron sayısı ve aktivasyon fonksiyonu belirlenmiştir. Konut rayiç fiyatlarının belirlenmesinde, ortalama hatanın karesi (MSE) 0.000197, regresyon (R) %94.31 ve doğruluk oranı %91.59 ile seçilen bu YSA mimarisinin başarılı sonuçlar verdiği görülmüştür.