Preisprognose ist eines der Beispiele für Vorhersageaufgaben und ein Projekt, das auf Datenwissenschaft basiert. Die Preisprognose analysiert Daten und schätzt die Kosten neuer Produkte. Ziel dieser Forschung ist es, eine Methode zu entwickeln, um den Preis eines Mobiltelefons auf Basis seiner Spezifikationen vorherzusagen. Dazu werden fünf Deep-Learning-Modelle vorgeschlagen, um den Preissatz eines Mobiltelefons vorherzusagen: ein unimodales Modell und vier multimodale Ansätze. Die multimodalen Methoden prognostizieren die Preise auf Basis grafischer und nicht-grafischer Merkmale von Mobiltelefonen, die einen erheblichen Einfluss auf deren Bewertungen haben. Zudem wurde zur Bewertung der Effizienz der vorgeschlagenen Methoden ein Datensatz von Mobiltelefonen aus GSMArena gesammelt. Die experimentellen Ergebnisse zeigen einen F1-Score von 88,3 %, was bestätigt, dass multimodales Lernen zu genauereren Vorhersagen führt als die bislang besten Techniken (state-of-the-art techniques).