Visión: Desarrollo de un modelo de inteligencia artificial para identificar patrones de visión en equipos esports a nivel profesional, pertenecientes a la League Of Legends European Championship (LEC) de la temporada número 10

dc.contributorEspinosa Carreño, María Alexandra
dc.contributorJurado García, Miguel Eugenio
dc.contributorEspinosa Carreño, María Alexandra [0001495409]
dc.contributorJurado García, Miguel Eugenio [0001691975]
dc.contributorJurado García, Miguel Eugenio [es&oi=ao]
dc.contributorEspinosa Carreño, María Alexandra [Ve6S8ocAAAAJ&hl]
dc.contributorEspinosa Carreño, María Alexandra [0000-0003-1411-0828]
dc.contributorJurado García, Miguel Eugenio [0000-0002-2653-249X]
dc.contributorEspinosa Carreño, María Alexandra [Maria-Espinosa-C]
dc.contributorEspinosa Carreño, María Alexandra [maria-alexandra-espinosa-carreño]
dc.creatorMantilla Molano, Cristian Augusto
dc.date.accessioned2022-02-28T13:25:49Z
dc.date.available2022-02-28T13:25:49Z
dc.date.created2022-02-28T13:25:49Z
dc.date.issued2021
dc.identifierhttp://hdl.handle.net/20.500.12749/15733
dc.identifierinstname:Universidad Autónoma de Bucaramanga - UNAB
dc.identifierreponame:Repositorio Institucional UNAB
dc.identifierrepourl:https://repository.unab.edu.co
dc.description.abstractPara inicios del 2015 la firma de estudios de mercado Newzoo estimó un ingreso por deportes electrónicos de 2.22 dólares anuales por cada entusiasta (alrededor de 0.28 billones de dólares), lo cual representa un crecimiento importante del producto interno bruto (PIB) en comparación con los deportes tradicionales indicando el tamaño potencial económico de esta escena competitiva. Para el 2020, a pesar de la pandemia SASR-Cov-2 el crecimiento exponencial se mantuvo llegando a una generación de 7.5 billones de dólares, demostrando una nueva oportunidad de negocio en cualquier región. En el caso puntual de League Of Legends, es un esports transmitido en 19 idiomas, cuyo evento mundial en el 2019 llegó a un pico de espectadores de 200 millones (logrando el doble de audiencia del super bowl edición 2018).Después de todos estos datos, no es raro evaluar las franquicias de organizaciones como Cloud9, Team Solo Mid y Team Liquid en 200 a 300 millones de dólares, superando a clubes de fútbol tan reconocidos como River plate(219 millones de dólares) o Boca juniors (213 millones de dólares). Pese al auge económico en esta escena competitiva, Latinoamérica ha estado imposibilitada de alcanzar un desempeño reconocible en comparación a otros continentes, considerando que parte del problema son las pocas herramientas tecnológicas que cuentan para desarrollar un esquema que le permita competir con otros equipos, en parte por la desarticulación que tiene con el mundo académico. Es por eso que el propósito de este proyecto es generar una herramienta basada en inteligencia artificial, para reconocer los patrones de visión de equipos en continentes con un mejor desempeño a nivel mundial con el fin de ayudar a los equipos latinoamericanos a la toma de decisiones más rápidas y precisas en base a esta información.
dc.languagespa
dc.publisherUniversidad Autónoma de Bucaramanga UNAB
dc.publisherFacultad Ingeniería
dc.publisherPregrado Ingeniería de Sistemas
dc.relation[1] Lolesports Staff, “2019 World Championship Hits Record Viewership,” Leagueoflegends.Com, 2020. https://nexus.leagueoflegends.com/en-us/2019/12/2019-world- championship-hits-record-viewership/.
dc.relation[2] A. Stedman, “Overwatch League’s Grand Finals Grows 16% in Average Viewers From Last Year,” variety.com, 2019.
dc.relation[3] Sergey Yakimenko, “Viewership results of The International 2019,” escharts.com, 2019. https://escharts.com/blog/results-the-international-2019.
dc.relation[4] M. Díaz, “E-Sports en Colombia: ¿son o no un deporte?,” ghersports.com, 2020. https://ghersports.com/e-sports-colombia-no-un-deporte/.
dc.relation[5] J. P. Pérez Tejada, “La profesionalización de los eSports en Latinoamérica,” http://newtechmag.net/, 2019. http://newtechmag.net/es/2019/06/30/la-profesionalizacion-de- los-esports-en-latinoamerica/.
dc.relation[6] M. HAWTHORNE, “Esports Are Becoming a Global Phenomenon, But Some Countries are More Receptive Than Others,” esportsinsights.com, 2020. https://esportsinsights.com/featured/esports-around-the-world/.
dc.relation[7] esportsbar Newzoo, “the Esports Business in the Americas,” 2019.
dc.relation[8] esportsbar Newzoo, “Key Numbers,” newzoo.com, 2020. https://newzoo.com/key-numbers/.
dc.relation[9] E. BAR, “Insights into latin america’s eSports Fans,” 2019.
dc.relation[10] B. Ofoghi, J. Zeleznikow, C. MacMahon, and M. Raab, “Data mining in elite sports: A review and a framework,” Meas. Phys. Educ. Exerc. Sci., vol. 17, no. 3, pp. 171–186, 2013, doi: 10.1080/1091367X.2013.805137.
dc.relation[11] A. Pedrassoli Chitayat et al., WARDS: Modelling the Worth of Vision in MOBA’s, vol. 1229 AISC. Springer International Publishing, 2020.
dc.relation[12] J. Hamari and M. Sjöblom, “What is eSports and why do people watch it?,” Internet Res., vol. 27, no. 2, pp. 211–232, 2017, doi: 10.1108/IntR-04-2016-0085.
dc.relation[13] M. Mora-Cantallops and M. Á. Sicilia, “MOBA games: A literature review,” Entertain.
dc.relation[14] esportsbar Newzoo, “Most Popular Core PC Games | Global,” newzoo.com, 2020. https://newzoo.com/insights/rankings/top-20-core-pc-games/.
dc.relation[15] A. R. Novak, K. J. M. Bennett, M. A. Pluss, and J. Fransen, “Performance analysis in esports: modelling performance at the 2018 League of Legends World Championship,” Int. J. Sport. Sci. Coach., vol. 15, no. 5–6, pp. 809–817, 2020, doi: 10.1177/1747954120932853.
dc.relation[16] Riot games, “2020 World Championship Rules,” 2020.
dc.relation[17] A. Macabasco, “How to Understand the Meta in League of Legends,” mobalytics.gg, 2018. https://mobalytics.gg/blog/how-to-understand-league-of-legend-meta/.
dc.relation[18] B. L. Takeyas, “Introducción a la inteligencia artificial,” 23, vol. 12, no. 32, p. 1, 2007.
dc.relation[19] J. Han, M. Kamber, and J. Pei, “Data Mining Techniques, Third Edition,” p. 847, 2011.
dc.relation[20] Y. Lecun, Y. Bengio, and G. Hinton, “Deep learning,” Nature, vol. 521, no. 7553, pp. 436– 444, 2015, doi: 10.1038/nature14539.
dc.relation[21] D. J. Matich, “Redes Neuronales: Conceptos Básicos y Aplicaciones.,” Historia Santiago., p. 55, 2001, [Online]. Available: ftp://decsai.ugr.es/pub/usuarios/castro/Material-Redes- Neuronales/Libros/matich-redesneuronales.pdf.
dc.relation[22] I. N. Yulita, M. I. Fanany, and A. M. Arymuthy, “Bi-directional Long Short-Term Memory using Quantized data of Deep Belief Networks for Sleep Stage Classification,” Procedia Comput. Sci., vol. 116, pp. 530–538, 2017, doi: 10.1016/j.procs.2017.10.042.
dc.relation[23] K. Greff, R. K. Srivastava, J. Koutník, B. R. Steunebrink, and J. Schmidhuber, “TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS 1 LSTM: A Search Space Odyssey,” arXiv:1503.04069, pp. 1–11, 2015, [Online]. Available: https://arxiv.org/pdf/1503.04069.pdf.
dc.relation[24] L. Rokach, “Ensemble-based classifiers,” Artif. Intell. Rev., vol. 33, no. 1–2, pp. 1–39, 2010, doi: 10.1007/s10462-009-9124-7.
dc.relation[25] D. Whitley, “A genetic algorithm tutorial,” Stat. Comput., vol. 4, no. 2, pp. 65–85, 1994, doi: 10.1007/BF00175354.
dc.relation[26] M. Granik and V. Mesyura, “Fake News Detection Using Naive Bayes Classifier,” 2017, pp. 900–903.
dc.relation[27] T. Joachims, “Text Categorization with SVM: Learning with Many Relevant Features,” Eur. Conf. Mach. Learn., pp. 137–142, 2005.
dc.relation[28] C. B. Browne et al., “A Survey of Monte Carlo Tree Search Methods,” IEEE Trans. Comput. Intell. AI GAMES, vol. 4, no. 1, 2012.
dc.relation[29] MacQueen, James and others, “Some methods for classification and analysis of multivariate observations,” Proc. fifth Berkeley Symp. Math. Stat. Probab., vol. 1, no. 14, pp. 281–297, 1967, [Online]. Available: http://books.google.de/books?hl=de&lr=&id=IC4Ku_7dBFUC&oi=fnd&pg=PA281&dq=M acQueen+some+methods+for+classification&ots=nNTcK1IdoQ&sig=fHzdVcbvmYJ- lTNHu1HncmOFOkM#v=onepage&q=MacQueen some methods for classification&f=false.
dc.relation[30] R. Gandhi, “Introduction to Machine Learning Algorithms: Linear Regression,” towardsdatascience.com, 2018. https://towardsdatascience.com/introduction-to-machine- learning-algorithms-linear-regression-14c4e325882a.
dc.relation[31] A. Pant, “Introduction to Logistic Regression,” towardsdatascience.com, 2019. https://towardsdatascience.com/introduction-to-logistic-regression-66248243c148.
dc.relation[32] S. R. Eddy, “Hidden Markov models,” Curr. Opin. Struct. Biol., vol. 6, no. 3, pp. 361–365, 1996, doi: 10.1016/S0959-440X(96)80056-X.
dc.relation[33] J. V. Román, “CRISP-DM: La metodología para poner orden en los proyectos,” www.sngular.com, 2016. www.sngular.com/es/data-science-crisp-dm-metodologia/.
dc.relation[34] E. Rahm and H. H. Do, “Data Cleaning: Problems and Current Approaches,” Bull. Tech. Comm. Data Eng., vol. 24, no. 4, pp. 2–13, 2001, [Online]. Available: papers2://publication/uuid/30073F7F-1B7C-4496-ADA4-94FF4E6EE8F7.
dc.relation[35] B. Deepanshu, “WEIGHT OF EVIDENCE (WOE) AND INFORMATION VALUE (IV) EXPLAINED,” listendata, 2015. https://www.listendata.com/2015/03/weight-of-evidence- woe-and-information.html.
dc.relation[36] D. M. Hawkins, Identification of Outliers. 1980.
dc.relation[37] C. C. Aggarwal, “Outlier Analysis,” in Data Mining, vol. 1, no. 1, 2015, p. 746.
dc.relation[38] M. A. Zöller and M. F. Huber, “Benchmark and Survey of Automated Machine Learning Frameworks,” J. Artif. Intell. Res., vol. 70, pp. 409–472, 2021, doi: 10.1613/JAIR.1.11854.
dc.relation[39] H2O, “Performance and prediction,” docs.h2o.ai, 2019.
dc.relation[40] J. A. Gallardo Arancibia, “Metodología para la definición de requisitos en proyectos de data mining (ER-DM),” p. 317, 2009, [Online]. Available: http://oa.upm.es/1946/1/JOSE_ALBERTO_GALLARDO_ARANCIBIA.pdf.
dc.relation[41] M. A. E. C, E. R. R, L. Y. F. G, and C. D. Guerrero, “DANDELION : Propuesta metodológica para recopilación y análisis de información de artículos científicos . Un enfoque desde la bibliometría y la revisión sistemática de la literatura .,” pp. 110–123, 2020.
dc.relation[42] Speedtest, “Speedtest Global Index,” www.speedtest.net, 2020. https://www.speedtest.net/global-index.
dc.relation[43] M. Claypool, “The effect of latency on user performance in Real-Time Strategy games,” Comput. Networks, vol. 49, no. 1, pp. 52–70, 2005, doi: 10.1016/j.comnet.2005.04.008.
dc.rightshttp://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.rightsAbierto (Texto Completo)
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightsAtribución-NoComercial-SinDerivadas 2.5 Colombia
dc.titleVisión: Desarrollo de un modelo de inteligencia artificial para identificar patrones de visión en equipos esports a nivel profesional, pertenecientes a la League Of Legends European Championship (LEC) de la temporada número 10


Este ítem pertenece a la siguiente institución