A szakdolgozat az online ingatlanhirdetések adatainak felhasználásával megvalósított automatizált árbecslés lehetőségeit vizsgálja különböző gépi tanulási módszerek segítségével. A kutatáshoz egy több mint 31 000 magyarországi hirdetést tartalmazó adatállomány szolgál alapul, amely strukturált és szöveges jellemzőket egyaránt tartalmaz. A munka kiemelten foglalkozik a szövegfeldolgozással, összevetve a hagyományos TF-IDF reprezentációt egy előre tanított, transzformer-alapú BERT modellel. Az adatok előfeldolgozása után klasszikus gépi tanulási eljárások és PyTorch keretrendszerben implementált multimodális mélytanulási architektúrák összehasonlítására kerül sor. A vizsgálat elemzi a szöveges információk bevonásának és a multimodális megközelítés alkalmazásának módszertani kérdéseit. A modellek teljesítményértékelése statisztikai metrikák és validációs folyamatok mentén valósul meg. A kutatás célja egy olyan rendszer felvázolása, amely objektív döntéstámogató eszközt kínál az automatizált ingatlanértékbecsléshez.