Aprendizaje automático para competencias deportivas
Supervisor(es): González Ramírez, Andrés - Moncecchi, Guillermo - Etcheverry, Lorena
Resumen:
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.
2021 | |
Inteligencia artificial Aprendizaje automático Deporte Fútbol |
|
Español | |
Universidad de la República | |
COLIBRI | |
https://hdl.handle.net/20.500.12008/35063 | |
Acceso abierto | |
Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0) |
_version_ | 1807523228884664320 |
---|---|
author | Maidana, Christian |
author2 | Ferreyra, Vicente |
author2_role | author |
author_facet | Maidana, Christian Ferreyra, Vicente |
author_role | author |
bitstream.checksum.fl_str_mv | 6429389a7df7277b72b7924fdc7d47a9 a006180e3f5b2ad0b88185d14284c0e0 36c32e9c6da50e6d55578c16944ef7f6 1996b8461bc290aef6a27d78c67b6b52 307e2cbbe5f4d80e683530e98ec49bc0 |
bitstream.checksumAlgorithm.fl_str_mv | MD5 MD5 MD5 MD5 MD5 |
bitstream.url.fl_str_mv | http://localhost:8080/xmlui/bitstream/20.500.12008/35063/5/license.txt http://localhost:8080/xmlui/bitstream/20.500.12008/35063/2/license_url http://localhost:8080/xmlui/bitstream/20.500.12008/35063/3/license_text http://localhost:8080/xmlui/bitstream/20.500.12008/35063/4/license_rdf http://localhost:8080/xmlui/bitstream/20.500.12008/35063/1/MF21.pdf |
collection | COLIBRI |
dc.contributor.filiacion.none.fl_str_mv | Maidana Christian, Universidad de la República (Uruguay). Facultad de Ingeniería Ferreyra Vicente, Universidad de la República (Uruguay). Facultad de Ingeniería |
dc.creator.advisor.none.fl_str_mv | González Ramírez, Andrés Moncecchi, Guillermo Etcheverry, Lorena |
dc.creator.none.fl_str_mv | Maidana, Christian Ferreyra, Vicente |
dc.date.accessioned.none.fl_str_mv | 2022-11-28T15:44:50Z |
dc.date.available.none.fl_str_mv | 2022-11-28T15:44:50Z |
dc.date.issued.none.fl_str_mv | 2021 |
dc.description.abstract.none.fl_txt_mv | 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. |
dc.format.extent.es.fl_str_mv | 67 p. |
dc.format.mimetype.es.fl_str_mv | application/pdf |
dc.identifier.citation.es.fl_str_mv | Maidana, C. y Ferreyra, V. Aprendizaje automático para competencias deportivas [en línea] Tesis de grado. Montevideo : Udelar. FI. INCO, 2021. |
dc.identifier.uri.none.fl_str_mv | https://hdl.handle.net/20.500.12008/35063 |
dc.language.iso.none.fl_str_mv | es spa |
dc.publisher.es.fl_str_mv | Udelar.FI |
dc.rights.license.none.fl_str_mv | Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0) |
dc.rights.none.fl_str_mv | info:eu-repo/semantics/openAccess |
dc.source.none.fl_str_mv | reponame:COLIBRI instname:Universidad de la República instacron:Universidad de la República |
dc.subject.es.fl_str_mv | Inteligencia artificial Aprendizaje automático Deporte Fútbol |
dc.title.none.fl_str_mv | Aprendizaje automático para competencias deportivas |
dc.type.es.fl_str_mv | Tesis de grado |
dc.type.none.fl_str_mv | info:eu-repo/semantics/bachelorThesis |
dc.type.version.none.fl_str_mv | info:eu-repo/semantics/acceptedVersion |
description | 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. |
eu_rights_str_mv | openAccess |
format | bachelorThesis |
id | COLIBRI_16994590a06b9f55c0c7e97dadf6f782 |
identifier_str_mv | Maidana, C. y Ferreyra, V. Aprendizaje automático para competencias deportivas [en línea] Tesis de grado. Montevideo : Udelar. FI. INCO, 2021. |
instacron_str | Universidad de la República |
institution | Universidad de la República |
instname_str | Universidad de la República |
language | spa |
language_invalid_str_mv | es |
network_acronym_str | COLIBRI |
network_name_str | COLIBRI |
oai_identifier_str | oai:colibri.udelar.edu.uy:20.500.12008/35063 |
publishDate | 2021 |
reponame_str | COLIBRI |
repository.mail.fl_str_mv | mabel.seroubian@seciu.edu.uy |
repository.name.fl_str_mv | COLIBRI - Universidad de la República |
repository_id_str | 4771 |
rights_invalid_str_mv | Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0) |
spelling | Maidana Christian, Universidad de la República (Uruguay). Facultad de IngenieríaFerreyra Vicente, Universidad de la República (Uruguay). Facultad de Ingeniería2022-11-28T15:44:50Z2022-11-28T15:44:50Z2021Maidana, C. y Ferreyra, V. Aprendizaje automático para competencias deportivas [en línea] Tesis de grado. Montevideo : Udelar. FI. INCO, 2021.https://hdl.handle.net/20.500.12008/35063La 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.Submitted by Cabrera Gabriela (gfcabrerarossi@gmail.com) on 2022-11-28T14:45:05Z No. of bitstreams: 2 license_rdf: 23149 bytes, checksum: 1996b8461bc290aef6a27d78c67b6b52 (MD5) MF21.pdf: 2037047 bytes, checksum: 307e2cbbe5f4d80e683530e98ec49bc0 (MD5)Approved for entry into archive by Machado Jimena (jmachado@fing.edu.uy) on 2022-11-28T15:31:21Z (GMT) No. of bitstreams: 2 license_rdf: 23149 bytes, checksum: 1996b8461bc290aef6a27d78c67b6b52 (MD5) MF21.pdf: 2037047 bytes, checksum: 307e2cbbe5f4d80e683530e98ec49bc0 (MD5)Made available in DSpace by Luna Fabiana (fabiana.luna@seciu.edu.uy) on 2022-11-28T15:44:50Z (GMT). No. of bitstreams: 2 license_rdf: 23149 bytes, checksum: 1996b8461bc290aef6a27d78c67b6b52 (MD5) MF21.pdf: 2037047 bytes, checksum: 307e2cbbe5f4d80e683530e98ec49bc0 (MD5) Previous issue date: 202167 p.application/pdfesspaUdelar.FILas 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)info:eu-repo/semantics/openAccessLicencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0)Inteligencia artificialAprendizaje automáticoDeporteFútbolAprendizaje automático para competencias deportivasTesis de gradoinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionreponame:COLIBRIinstname:Universidad de la Repúblicainstacron:Universidad de la RepúblicaMaidana, ChristianFerreyra, VicenteGonzález Ramírez, AndrésMoncecchi, GuillermoEtcheverry, LorenaUniversidad de la República (Uruguay). Facultad de IngenieríaIngeniero en ComputaciónLICENSElicense.txtlicense.txttext/plain; charset=utf-84267http://localhost:8080/xmlui/bitstream/20.500.12008/35063/5/license.txt6429389a7df7277b72b7924fdc7d47a9MD55CC-LICENSElicense_urllicense_urltext/plain; charset=utf-850http://localhost:8080/xmlui/bitstream/20.500.12008/35063/2/license_urla006180e3f5b2ad0b88185d14284c0e0MD52license_textlicense_texttext/html; charset=utf-838616http://localhost:8080/xmlui/bitstream/20.500.12008/35063/3/license_text36c32e9c6da50e6d55578c16944ef7f6MD53license_rdflicense_rdfapplication/rdf+xml; charset=utf-823149http://localhost:8080/xmlui/bitstream/20.500.12008/35063/4/license_rdf1996b8461bc290aef6a27d78c67b6b52MD54ORIGINALMF21.pdfMF21.pdfapplication/pdf2037047http://localhost:8080/xmlui/bitstream/20.500.12008/35063/1/MF21.pdf307e2cbbe5f4d80e683530e98ec49bc0MD5120.500.12008/350632024-04-12 14:06:40.895oai:colibri.udelar.edu.uy:20.500.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Universidadhttps://udelar.edu.uy/https://www.colibri.udelar.edu.uy/oai/requestmabel.seroubian@seciu.edu.uyUruguayopendoar:47712024-07-25T14:46:27.217748COLIBRI - Universidad de la Repúblicafalse |
spellingShingle | Aprendizaje automático para competencias deportivas Maidana, Christian Inteligencia artificial Aprendizaje automático Deporte Fútbol |
status_str | acceptedVersion |
title | Aprendizaje automático para competencias deportivas |
title_full | Aprendizaje automático para competencias deportivas |
title_fullStr | Aprendizaje automático para competencias deportivas |
title_full_unstemmed | Aprendizaje automático para competencias deportivas |
title_short | Aprendizaje automático para competencias deportivas |
title_sort | Aprendizaje automático para competencias deportivas |
topic | Inteligencia artificial Aprendizaje automático Deporte Fútbol |
url | https://hdl.handle.net/20.500.12008/35063 |