Resumen:
Over time, data analytics of soccer players has increased to improve performance and
decision making for championships, for this reason a prediction system was implemented
by applying data science. Decision-making in soccer matches is complex when choosing
players who play in the same positions, that is, the performance of each player must be
detected in order to select the starting eleven and have a better chance of winning. This
technological proposal is based on data science. The methodology used for the proposed
DSS is known as KDD. Knowledge Discovery in Databases, which is a systematic,
orderly and structured approach for the collection of large data sets, to then process them,
obtain information and knowledge, to use them in various decisions and in any field, To
achieve this, artificial neural networks were implemented to help with the automation of
the predictions of the best starters. The results of this work are: The results of this work are: a prediction system of starting players of a soccer team by means of neural networks that helps in the automatic analysis of the performance of each match, the position that the player defends best, the pace at which he runs the field, the best throw. The tests showed acceptable and unacceptable
results of the trained model, showing an accuracy of 42.86% in test A, with a smaller
data, indicating that the Convolutional model (CNN) is regularly efficient, thus a second
test B was performed, with a more extensive data showing an accuracy of 79.87%,
indicating that the model is efficient. On the other hand, the results to sports and
technology experts, offered us a positive critique accepting the hypothesis with an
accuracy of 90%, in addition to obtaining the data from the use of the application.
Descripción:
A lo largo del tiempo se ha incrementado analítica de datos de futbolistas para mejorar el
rendimiento y la toma de decisión para los campeonatos, por esta razón se implementó
un sistema de predicción aplicando ciencia de datos. La toma de decisiones en los partidos
de futbol tiene su complejidad, al momento de elegir a los futbolistas que juegan en las
mismas posiciones; es decir, se debe detectar el rendimiento de cada jugador para
seleccionar a los once titulares y tener mayor posibilidad de ganar. Esta propuesta
tecnológica se sustenta en la ciencia de datos. La metodología utilizada para el DSS
propuesta se conoce como KDD: Knowledge Discovery in Databases, que es un enfoque
sistemático, ordenado y estructurado para la recolección de grandes conjuntos de datos,
para luego procesarlos, obtener información y conocimientos, para utilizarlos en diversas
decisiones y en cualquier ámbito, Para lograrlo, se implementaron redes neuronales
artificiales para ayudar con la automatización de las predicciones de los mejores titulares.
Los resultados de este trabajo son. Los resultados de este trabajo son. un sistema de
predicción de jugadores titulares de un equipo de futbol mediante redes neuronales que
ayuda en el análisis automático del rendimiento de cada partido, la posición que mejor se
defiende el jugador, el ritmo en el que recorre la cancha, el mejor lanzamiento. Las
pruebas presentaron resultados aceptables como no aceptables, del modelo entrenado
arrojando una exactitud del 42.86% de la prueba A, con una data menor, indicando que
el modelo Convolucional (CNN) es regularmente eficiente, de esta manera se realizó una
segunda prueba B, con una data más extensa arrojando una exactitud del 79,87%
indicando que el modelo es eficiente. Por otra parte, los resultados a expertos deportivos
y de tecnología, nos ofrecieron una crítica positiva aceptando la hipótesis con una
precisión del 90%, además la obtención
Excepto si se señala otra cosa, la licencia del ítem se describe como openAccess