test
Search publications, data, projects and authors

Thesis

Spanish

ID: <

http://hdl.handle.net/10251/129491

>

Where these data come from
Machine Learning in the Football World

Abstract

[ES] Este trabajo analiza el rendimiento en el terreno de juego de jugadores profesionales de las grandes ligas europeas de fútbol durante la temporada 2017-18 a partir de estrategias y técnicas de Machine Learning y Big Data como el análisis de componentes principales, análisis clúster, gráficos de contribuciones y gráficos de radar, entre otros métodos. Asimismo, se profundiza en el análisis de las posiciones idóneas de los futbolistas en el campo, descubriendo cuáles son las variables más representativas de cada demarcación a partir del modelo Random Forest. Esta investigación supone una propuesta metodológica novedosa en relación al análisis de datos en el fútbol gracias al uso de programas informáticos como R, Aspen ProMV y Tableau con la finalidad de facilitar el proceso de captación de talento en las direcciones deportivas de los clubes del fútbol profesional. En definitiva, este trabajo de investigación ofrece un conjunto de herramientas basadas en el análisis de datos para mejorar la toma de decisiones y reducir la incertidumbre a la hora de acometer la contratación de un nuevo jugador en el fútbol de élite. Malagón Selma, MDP. (2019). Machine Learning en el mundo del fútbol. http://hdl.handle.net/10251/129491

Your Feedback

Please give us your feedback and help us make GoTriple better.
Fill in our satisfaction questionnaire and tell us what you like about GoTriple!