Repositori Digital de la UPF
Carregant...
Este trabajo se enfoca en crear una herramienta que combine el fútbol y la ciencia de datos para predecir,
utilizando modelos de Aprendizaje Automático, el rendimiento de los jugadores en diferentes contextos.
El desarrollo de herramientas de soporte para ojeadores y directores deportivos se ha convertido en un
objetivo primordial para empresas del sector.
El objetivo de este proyecto es facilitar la toma de decisiones en el proceso de fichaje de jugadores,
además de identificar reemplazos óptimos y flaquezas en comparación con otros equipos. Para lograrlo,
se desarrollan algoritmos de comparación para relacionar jugadores entre 5 bases de datos, técnicas de
preprocesamiento de datos y modelos de Aprendizaje Automático para la predicción. También se
implementan algoritmos de similitud para sugerir jugadores como reemplazo e IA Explicable para
transparentar las predicciones. Los resultados de los modelos, el análisis y la explicabilidad se muestran
en una interfaz web interactiva en Streamlit.
Respecto a los resultados, destacan el cambio de modificar manualmente cada discrepancia en la
escritura del nombre del jugador/equipo entre bases de datos a una automatización del 95%, la reducción
de la subjetividad en la identificación de valores atípicos y características a usar en el modelo.
Adicionalmente, el modelo predictivo y la interfaz desarrollada permite a los usuarios utilizar la
herramienta de manera intuitiva e interactiva.
En conclusión, este proyecto representa una contribución significativa para mejorar la gestión de
equipos mediante el uso de tecnología e IA. Sus implicaciones se extienden a toda la industria deportiva,
ofreciendo una herramienta para la toma de decisiones transparentes.
(2024)