Técnica de aprendizaje automático para la clasificación de jugadores de fútbol por posición y predicción de rendimiento técnico para un próximo juego
Esta tesis es una investigación descriptiva que realiza un análisis de clasificación y predicción sobre el rendimiento técnico de un jugador de futbol, se logra clasificar al jugador en una posición donde pueda resaltar sus características técnicas y predecir su rendimiento en un próximo juego. Con...
- Autores:
-
Hurtado Masmela, Diego Fernando
Neira Valencia, Jhon Steven
- Tipo de recurso:
- Fecha de publicación:
- 2013
- Institución:
- Universidad de San Buenaventura
- Repositorio:
- Repositorio USB
- Idioma:
- spa
- OAI Identifier:
- oai:bibliotecadigital.usb.edu.co:10819/19102
- Acceso en línea:
- https://hdl.handle.net/10819/19102
- Palabra clave:
- Futbol;
Normas técnicas;
Teoría de los juegos;
- Rights
- License
- http://purl.org/coar/access_right/c_14cb
id |
SANBUENAV2_3cfeeae7c88d15f43e2e64de6743f749 |
---|---|
oai_identifier_str |
oai:bibliotecadigital.usb.edu.co:10819/19102 |
network_acronym_str |
SANBUENAV2 |
network_name_str |
Repositorio USB |
repository_id_str |
|
dc.title.spa.fl_str_mv |
Técnica de aprendizaje automático para la clasificación de jugadores de fútbol por posición y predicción de rendimiento técnico para un próximo juego |
title |
Técnica de aprendizaje automático para la clasificación de jugadores de fútbol por posición y predicción de rendimiento técnico para un próximo juego |
spellingShingle |
Técnica de aprendizaje automático para la clasificación de jugadores de fútbol por posición y predicción de rendimiento técnico para un próximo juego Futbol; Normas técnicas; Teoría de los juegos; |
title_short |
Técnica de aprendizaje automático para la clasificación de jugadores de fútbol por posición y predicción de rendimiento técnico para un próximo juego |
title_full |
Técnica de aprendizaje automático para la clasificación de jugadores de fútbol por posición y predicción de rendimiento técnico para un próximo juego |
title_fullStr |
Técnica de aprendizaje automático para la clasificación de jugadores de fútbol por posición y predicción de rendimiento técnico para un próximo juego |
title_full_unstemmed |
Técnica de aprendizaje automático para la clasificación de jugadores de fútbol por posición y predicción de rendimiento técnico para un próximo juego |
title_sort |
Técnica de aprendizaje automático para la clasificación de jugadores de fútbol por posición y predicción de rendimiento técnico para un próximo juego |
dc.creator.fl_str_mv |
Hurtado Masmela, Diego Fernando Neira Valencia, Jhon Steven |
dc.contributor.advisor.none.fl_str_mv |
Gómez Escobar, Jairo Alejandro |
dc.contributor.author.none.fl_str_mv |
Hurtado Masmela, Diego Fernando Neira Valencia, Jhon Steven |
dc.subject.spa.fl_str_mv |
Futbol; Normas técnicas; Teoría de los juegos; |
topic |
Futbol; Normas técnicas; Teoría de los juegos; |
description |
Esta tesis es una investigación descriptiva que realiza un análisis de clasificación y predicción sobre el rendimiento técnico de un jugador de futbol, se logra clasificar al jugador en una posición donde pueda resaltar sus características técnicas y predecir su rendimiento en un próximo juego. Con esto se busca mostrarle al director técnico las capacidades de sus dirigidos a través del aprendizaje automático. Cada día se reduce la brecha de rendimiento deportivo entre los equipos del futbol colombiano y una decisión errónea por parte del director técnico puede provocar la eliminación de determinada competición o simplemente reducir las posibilidades de ganar un juego, entendiéndose como una decisión errónea, ubicar un jugador en una posición donde su rendimiento no es óptimo o elegir uno con menores condiciones para su próximo juego. El proyecto se enfoca en resolver este problema mediante el aprendizaje automático o aprendizaje de máquina, una rama de la inteligencia artificial que le permite a un sistema mejorar sus resultados con la experiencia respecto a una determinada tarea. En el proyecto las tareas son de predicción y clasificación. Para ello se debe tener a disposición un conjunto de datos que han sido cuidadosamente seleccionados con anticipación. Estos datos se dividen en tres grupos (entrenamiento, validación y prueba) que se utilizan para diferentes objetivos. Los datos de entrenamiento se aplican al sistema para que adquiera destreza en la ejecución de sus tareas, el segundo grupo se encargar de ajustar los datos para que describan la relación entre la variable dependiente y la variable independiente y por _ultimo están los datos de prueba que se ingresan para evaluar los resultados de el modelo. La investigación se fundamenta en datos sistemáticos, adquiridos a través del software de la empresa ARD que se dedica a la recolección de datos deportivos. Esta investigación esta dividida en dos capítulos, clasificación y predicción, los cuales describen la metodología utilizada para extraer información de los datos, en cada capítulo se describen los retos que surgieron en este trabajo y la forma en que se solucionaron, se describen las modificaciones que se hicieron para cumplirlos objetivos de la tesis. |
publishDate |
2013 |
dc.date.issued.none.fl_str_mv |
2013 |
dc.date.accessioned.none.fl_str_mv |
2024-06-25T13:21:44Z |
dc.date.available.none.fl_str_mv |
2024-06-25T13:21:44Z |
dc.type.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/10819/19102 |
url |
https://hdl.handle.net/10819/19102 |
dc.language.iso.spa.fl_str_mv |
spa |
language |
spa |
dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_14cb |
rights_invalid_str_mv |
http://purl.org/coar/access_right/c_14cb |
dc.publisher.faculty.spa.fl_str_mv |
Ingenierias |
dc.publisher.program.spa.fl_str_mv |
Ingenieria multimedia |
institution |
Universidad de San Buenaventura |
dc.source.instname.spa.fl_str_mv |
Universidad de San Buenaventura - Cali |
dc.source.reponame.spa.fl_str_mv |
Biblioteca Digital Universidad de San Buenaventura |
bitstream.url.fl_str_mv |
https://bibliotecadigital.usb.edu.co/bitstreams/7021ea5b-1580-4cd1-9694-8b3cea82f58c/download https://bibliotecadigital.usb.edu.co/bitstreams/bbde7471-3aed-465b-8128-466bea11aae9/download https://bibliotecadigital.usb.edu.co/bitstreams/2d01e938-9efa-49bf-ab48-d7c9d106014a/download https://bibliotecadigital.usb.edu.co/bitstreams/1fae5a70-fc61-444c-ba78-da20f24070c6/download |
bitstream.checksum.fl_str_mv |
aa0c1175acf0afc9651cae46b4147f61 8a4605be74aa9ea9d79846c1fba20a33 9c221d0d9269da6a42baaf979ac1c392 64ba399fc15658c2392ffb482bf85c6c |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio Institucional Universidad de San Buenaventura Colombia |
repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
_version_ |
1812932475254472704 |
spelling |
Gómez Escobar, Jairo Alejandroa815975e-3834-4a84-bf2c-a2161874ed29Hurtado Masmela, Diego Fernando4b27b88c-a357-46db-ac42-2e19400c900cNeira Valencia, Jhon Stevenc36727fd-d11b-4e38-ab2b-939d51bba80d2024-06-25T13:21:44Z2024-06-25T13:21:44Z2013Esta tesis es una investigación descriptiva que realiza un análisis de clasificación y predicción sobre el rendimiento técnico de un jugador de futbol, se logra clasificar al jugador en una posición donde pueda resaltar sus características técnicas y predecir su rendimiento en un próximo juego. Con esto se busca mostrarle al director técnico las capacidades de sus dirigidos a través del aprendizaje automático. Cada día se reduce la brecha de rendimiento deportivo entre los equipos del futbol colombiano y una decisión errónea por parte del director técnico puede provocar la eliminación de determinada competición o simplemente reducir las posibilidades de ganar un juego, entendiéndose como una decisión errónea, ubicar un jugador en una posición donde su rendimiento no es óptimo o elegir uno con menores condiciones para su próximo juego. El proyecto se enfoca en resolver este problema mediante el aprendizaje automático o aprendizaje de máquina, una rama de la inteligencia artificial que le permite a un sistema mejorar sus resultados con la experiencia respecto a una determinada tarea. En el proyecto las tareas son de predicción y clasificación. Para ello se debe tener a disposición un conjunto de datos que han sido cuidadosamente seleccionados con anticipación. Estos datos se dividen en tres grupos (entrenamiento, validación y prueba) que se utilizan para diferentes objetivos. Los datos de entrenamiento se aplican al sistema para que adquiera destreza en la ejecución de sus tareas, el segundo grupo se encargar de ajustar los datos para que describan la relación entre la variable dependiente y la variable independiente y por _ultimo están los datos de prueba que se ingresan para evaluar los resultados de el modelo. La investigación se fundamenta en datos sistemáticos, adquiridos a través del software de la empresa ARD que se dedica a la recolección de datos deportivos. Esta investigación esta dividida en dos capítulos, clasificación y predicción, los cuales describen la metodología utilizada para extraer información de los datos, en cada capítulo se describen los retos que surgieron en este trabajo y la forma en que se solucionaron, se describen las modificaciones que se hicieron para cumplirlos objetivos de la tesis.T796.334 H967t CD-ROM51 p.https://hdl.handle.net/10819/19102spaIngenieriasIngenieria multimediaUniversidad de San Buenaventura - CaliBiblioteca Digital Universidad de San BuenaventuraFutbol;Normas técnicas;Teoría de los juegos;Técnica de aprendizaje automático para la clasificación de jugadores de fútbol por posición y predicción de rendimiento técnico para un próximo juegoinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/access_right/c_14cbPublicationORIGINAL1090224-1090380.pdfTrabajo de Gradoapplication/pdf22408468https://bibliotecadigital.usb.edu.co/bitstreams/7021ea5b-1580-4cd1-9694-8b3cea82f58c/downloadaa0c1175acf0afc9651cae46b4147f61MD51LICENSElicense.txttext/plain1748https://bibliotecadigital.usb.edu.co/bitstreams/bbde7471-3aed-465b-8128-466bea11aae9/download8a4605be74aa9ea9d79846c1fba20a33MD52TEXT1090224-1090380.pdf.txt1090224-1090380.pdf.txtExtracted texttext/plain74435https://bibliotecadigital.usb.edu.co/bitstreams/2d01e938-9efa-49bf-ab48-d7c9d106014a/download9c221d0d9269da6a42baaf979ac1c392MD53THUMBNAIL1090224-1090380.pdf.jpg1090224-1090380.pdf.jpgGenerated Thumbnailimage/jpeg10134https://bibliotecadigital.usb.edu.co/bitstreams/1fae5a70-fc61-444c-ba78-da20f24070c6/download64ba399fc15658c2392ffb482bf85c6cMD5410819/19102oai:bibliotecadigital.usb.edu.co:10819/191022024-07-12 22:02:30.321https://bibliotecadigital.usb.edu.coRepositorio Institucional Universidad de San Buenaventura Colombiabdigital@metabiblioteca.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 |