Por favor, use este identificador para citar o enlazar este ítem:
https://hdl.handle.net/20.500.12008/35063
Cómo citar
Registro completo de metadatos
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.contributor.advisor | González Ramírez, Andrés | - |
dc.contributor.advisor | Moncecchi, Guillermo | - |
dc.contributor.advisor | Etcheverry, Lorena | - |
dc.contributor.author | Maidana, Christian | - |
dc.contributor.author | Ferreyra, Vicente | - |
dc.date.accessioned | 2022-11-28T15:44:50Z | - |
dc.date.available | 2022-11-28T15:44:50Z | - |
dc.date.issued | 2021 | - |
dc.identifier.citation | Maidana, C. y Ferreyra, V. Aprendizaje automático para competencias deportivas [en línea] Tesis de grado. Montevideo : Udelar. FI. INCO, 2021. | es |
dc.identifier.uri | https://hdl.handle.net/20.500.12008/35063 | - |
dc.description.abstract | La Ciencia de Datos (CD) es un campo interdisciplinario que utiliza métodos científicos, procesos, algoritmos y sistemas para extraer conocimiento u obtener un mejor entendimiento de datos estructurados o no estructurados. La CD aplicada al deporte es relevante tanto para la academia como para la industria, dado que permite realizar análisis que antes no eran posibles, teniendo como consecuencia impacto en la toma de decisiones, como por ejemplo el fichaje de jugadores, predicción de resultados, etc. En este proyecto se elabora una investigación de los desarrollos existentes referentes a la CD aplicada al deporte, tanto estudios académicos como innovaciones del ámbito privado, realizando un análisis más exhaustivo sobre el fútbol. A su vez, se detallan algunas fuentes de datos disponibles que podrían usarse para la aplicación de CD. Con el fin de generar una herramienta que aporte información de utilidad para los entrenadores, se elabora un prototipo para la predicción de distintos atributos (tiros de esquina y tiros al arco). A partir de datos obtenidos de Whoscored de las temporadas 2016 a 2019/2020 y el uso de tres clasificadores K Nearest Neighbors, Random forest y Regresión lineal, se logran resultados auspiciosos llegando a una accuracy de 87 % para tiros de esquina y 62 % para tiros al arco. | es |
dc.format.extent | 67 p. | es |
dc.format.mimetype | application/pdf | es |
dc.language.iso | es | es |
dc.publisher | Udelar.FI | es |
dc.rights | Las obras depositadas en el Repositorio se rigen por la Ordenanza de los Derechos de la Propiedad Intelectual de la Universidad de la República.(Res. Nº 91 de C.D.C. de 8/III/1994 – D.O. 7/IV/1994) y por la Ordenanza del Repositorio Abierto de la Universidad de la República (Res. Nº 16 de C.D.C. de 07/10/2014) | es |
dc.subject | Inteligencia artificial | es |
dc.subject | Aprendizaje automático | es |
dc.subject | Deporte | es |
dc.subject | Fútbol | es |
dc.title | Aprendizaje automático para competencias deportivas | es |
dc.type | Tesis de grado | es |
dc.contributor.filiacion | Maidana Christian, Universidad de la República (Uruguay). Facultad de Ingeniería | - |
dc.contributor.filiacion | Ferreyra Vicente, Universidad de la República (Uruguay). Facultad de Ingeniería | - |
thesis.degree.grantor | Universidad de la República (Uruguay). Facultad de Ingeniería | es |
thesis.degree.name | Ingeniero en Computación | es |
dc.rights.licence | Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0) | es |
Aparece en las colecciones: | Tesis de grado - Instituto de Computación |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | ||
---|---|---|---|---|---|
MF21.pdf | Tesis de grado | 1,99 MB | Adobe PDF | Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons