В настоящей работе предлагается метод построения автоматической системы прогнозного анализа недвижимости с машинным обучением с использованием распределенного Ð¿Ð¾Ð´Ñ Ð¾Ð´Ð°, который допускает соответствующее масштабирование и может быть применен в Ñ€Ð°Ð·Ð»Ð¸Ñ‡Ð½Ñ‹Ñ ÑÐ¸Ñ‚ÑƒÐ°Ñ†Ð¸ÑÑ . Данная работа посвящена изучению недостатков ÑÑƒÑ‰ÐµÑÑ‚Ð²ÑƒÑŽÑ‰Ð¸Ñ ÑÐ¸ÑÑ‚ÐµÐ¼ прогнозной аналитики и приведению примера автоматической системы прогнозной аналитики, которая обладает передовым опытом, использует современные Ñ‚ÐµÑ Ð½Ð¾Ð»Ð¾Ð³Ð¸Ð¸ и позволяет проводить анализ наиболее эффективным из Ð²Ð¾Ð·Ð¼Ð¾Ð¶Ð½Ñ‹Ñ ÑÐ¿Ð¾ÑÐ¾Ð±Ð¾Ð². Для достижения эти цели будут использованы передовые методы извлечения, преобразования и очистки Ð´Ð°Ð½Ð½Ñ‹Ñ Ñ последующей реализацией модели машинного обучения с использованием Apache Spark. Кроме того, была использована Ð°Ñ€Ñ Ð¸Ñ‚ÐµÐºÑ‚ÑƒÑ€Ð° "master worker", которая обеспечивает оптимальную емкость Ñ Ñ€Ð°Ð½Ð¸Ð»Ð¸Ñ‰Ð° в сочетании с повышенной отказоустойчивостью за счет интеграции кластера Apache Kafka с использованием согласованного протокола Kraft, а также переносимости и контейнеров Docker. Этот комплексный Ð¿Ð¾Ð´Ñ Ð¾Ð´ разработан для того, чтобы предложить надежное и масштабируемое решение проблем принятия решений в сфере недвижимости. Результаты показывают, что такой Ð¿Ð¾Ð´Ñ Ð¾Ð´ сокращает временные и трудозатраты на выполнение ÑÑ‚Ð¸Ñ Ð·Ð°Ð´Ð°Ñ‡.