Trabalho de Conclusão de Curso
Predição de escalações para o jogo CartolaFC utilizando aprendizado de máquina e otimização
Prediction of escalations for CartolaFC fantasy game using machine learning and optimization
Registro en:
RIBEIRO, Luis Eduardo da Silva. Predição de escalações para o jogo CartolaFC utilizando aprendizado de máquina e otimização. 2019. 88 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) – Universidade Federal de Uberlândia, Uberlândia, 2019.
Autor
Ribeiro, Luis Eduardo da Silva
Institución
Resumen
Trabalho de Conclusão de Curso (Graduação) O CartolaFC é um jogo no qual é possível realizar a escalação de times virtuais com base nos jogadores e técnicos da série A do campeonato brasileiro de futebol. Nesse sentido, o trabalho utiliza técnicas de aprendizado de máquina e otimização para predição de escalações no CartolaFC. Inicialmente, foi realizado o pré-processamento da base de dados obtida para o desenvolvimento do trabalho. Posteriormente, foi realizada uma análise estatística para identificação de classes de jogadores baseado em boxplots. Além disso, foi modelada uma rede neural perceptron para realizar a classificação dos jogadores baseada nas classes definidas na etapa anterior, utilizando para treinamento os dados de 2014 a 2018 e as rodadas 6 e 7 do ano de 2019 do campeonato brasileiro para testes. Finalmente foi construído um algoritmo genético responsável por escalar os times, levando em consideração restrições de patrimônio disponível para escalação e esquema tático. Os resultados do trabalho sugerem que o limite de patrimônio disponível para escalação influencia na qualidade dos times escalados e que a utilização de um algoritmo genético no processo de escalação consegue evoluir a qualidade dos times escalados à medida que as gerações se passam.