O mercado imobiliário brasileiro tem crescido muito mais que a economia do país nos últimos anos, e a previsão é que ele ainda perdure, pois, a estimativa de crescimento para indústria do setor de construção é de 2,5% para o ano de 2023. É esperado que as compras e vendas continuem crescendo bastante, isso porque o mercado imobiliário é um segmento bastante sólido no Brasil, onde imóveis são vistos como uma reserva de valor, ainda mais quando falamos de imóveis residenciais. A previsão para o mercado imobiliário em 2023 é positiva e promissora, como projeções indicam que o crescimento no setor deve permanecer, com bom retorno para investimentos. Considerando-se esta nova realidade, o planejamento do processo de aquisição de um imóvel tem ganhado cada vez mais importância, trazendo atenção para as técnicas de predição como ferramentas para suporte à escolha de um novo bem. A predição do preço de imóveis é um assunto complexo e depende de vários fatores que podem influenciar o valor dos imóveis, como a taxa Selic, a demanda por crédito imobiliário, a oferta e a localização das propriedades e as condições do mercado. Nesse trabalho, construímos duas bases de dados de imóveis da macrorregião do Norte de Minas Gerais, e realizamos processos para obtenção de bases estruturais. Utilizamos métodos clássicos da estatística, como a Regressão Linear e Polinomial, um Perceptron e uma Rede Neural Artificial (RNA) do tipo Perceptron Multicamadas para prever os valores de imóveis nas bases construídas. Os métodos propostos apresentaram resultados promissores com erros próximos de zero nas bases utilizadas. The Brazilian real estate market has grown much more than the country’s economy in recent years, and the forecast is that it will still last, as the estimated growth for the construction industry is 2.5% for the year 2023 It is expected that purchases and sales will continue to grow significantly, because the real estate market is a very solid segment in Brazil, where properties are seen as a store of value, even more so when we talk about residential properties. The forecast for the real estate market in 2023 is positive and promising, as projections indicate that growth in the sector should continue, with a good return on investments. Considering this new reality, planning the property acquisition process has become increasingly important, bringing attention to prediction techniques as tools to support the choice of a new asset. Real estate price prediction is a complex subject and depends on several factors that can influence the value of properties, such as the Selic rate, demand for real estate credit, the supply, and location of properties and market conditions. In this work, we built two property databases in the macro-region of Northern Minas Gerais, and carried out processes to obtain structural bases. We use classic statistical methods, such as Linear and Polynomial Regression, a Perceptron and an Artificial Neural Network (ANN) of the Multilayer Perceptron type to predict property values on the constructed bases. The proposed methods showed promising results with errors close to zero in the bases used. O mercado imobiliário brasileiro tem crescido muito mais que a economia do país nos últimos anos, e a previsão é que ele ainda perdure, pois, a estimativa de crescimento para indústria do setor de construção é de 2,5% para o ano de 2023. É esperado que as compras e vendas continuem crescendo bastante, isso porque o mercado imobiliário é um segmento bastante sólido no Brasil, onde imóveis são vistos como uma reserva de valor, ainda mais quando falamos de imóveis residenciais. A previsão para o mercado imobiliário em 2023 é positiva e promissora, como projeções indicam que o crescimento no setor deve permanecer, com bom retorno para investimentos. Considerando-se esta nova realidade, o planejamento do processo de aquisição de um imóvel tem ganhado cada vez mais importância, trazendo atenção para as técnicas de predição como ferramentas para suporte à escolha de um novo bem. A predição do preço de imóveis é um assunto complexo e depende de vários fatores que podem influenciar o valor dos imóveis, como a taxa Selic, a demanda por crédito imobiliário, a oferta e a localização das propriedades e as condições do mercado. Nesse trabalho, construímos duas bases de dados de imóveis da macrorregião do Norte de Minas Gerais, e realizamos processos para obtenção de bases estruturais. Utilizamos métodos clássicos da estatística, como a Regressão Linear e Polinomial, um Perceptron e uma Rede Neural Artificial (RNA) do tipo Perceptron Multicamadas para prever os valores de imóveis nas bases construídas. Os métodos propostos apresentaram resultados promissores com erros próximos de zero nas bases utilizadas.