Campo Dublin Core | Valor | Língua |
dc.contributor.advisor | Sobreiro, Vinícius Amorim | - |
dc.contributor.author | Peconick, Laura Defranco Ferreira | - |
dc.identifier.citation | PECONICK, Laura Defranco Ferreira. Inteligência artificial aplicada à previsão de jogos de futebol. 2018. 89 f., il.Trabalho de Conclusão de Curso (Bacharelado em Administração)—Universidade de Brasília, Brasília, 2018. | pt_BR |
dc.description | Trabalho de Conclusão de Curso (graduação)— Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade e Gestão de Políticas Públicas, 2018. | pt_BR |
dc.description.abstract | O futebol é um dos esportes mais populares do mundo, e também um dos responsáveis pelas maiores movimentações financeiras do mundo esportivo. Um dos grandes problemas atuais
estudados no futebol é qual a forma de predição de resultados tem o melhor desempenho. A maioria dos trabalhos que aborda esse tema utiliza técnicas estatísticas para realizar as previsões,
mas ainda são poucos os que utilizam Inteligência Artificial (IA) para esse fim. Neste trabalho,
busca-se usar uma ferramenta da IA para conseguir realizar previsões mais precisas do que as
dadas pelo mercado de apostas. Para isso, utilizou-se um código em Python para criar uma Redes Neurais Artificiais (RNAs) para prever os vencedores dos jogos da Copa do Mundo 2018.
Essa previsão foi feita em dois momentos, no primeiro sem que os dados fossem atualizados a
cada rodada e no segundo com os dados sendo recalibrados, os resultados encontrados foram
comparados com os resultados reais e os dados obtidos no mercado de apostas. Conclui-se que
RNAs é uma boa ferramenta de previsão, conseguindo resultados semelhantes ao mercado de
apostas com uma quantidade limitada de informação. | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject.keyword | Inteligência artificial | pt_BR |
dc.subject.keyword | Redes neurais (Computação) | pt_BR |
dc.subject.keyword | Futebol | pt_BR |
dc.subject.keyword | Teorema de Bayes | pt_BR |
dc.title | Inteligência artificial aplicada à previsão de jogos de futebol | pt_BR |
dc.type | Trabalho de Conclusão de Curso - Graduação - Bacharelado | pt_BR |
dc.date.accessioned | 2020-04-28T18:16:14Z | - |
dc.date.available | 2020-04-28T18:16:14Z | - |
dc.date.submitted | 2018 | - |
dc.identifier.uri | https://bdm.unb.br/handle/10483/23782 | - |
dc.language.iso | Português | pt_BR |
dc.description.abstract1 | Football is one of the most popular sports in the world, it is also responsible for the biggest
money transfers in the sport’s markets. Currently, one of the biggest issues studied in football
is which results’ prediction tool has the best performance. Most works related to this theme use
statistical techniques to make predictions, there are still only a few that use Artificial Intelligence
(AI). In this work, the main goal is to use one of the AI tools to make predictions that are more
precise than the ones given by the betting market. To achieve this, a Python code was used to
create an Artificial Neural Network (ANN) to predict the winner of each game of the 2018 World
Cup. The prediction was made in two different scenarios, the first one with the data not being
updated and the second one with the data being recalibrated each round, the results found were
then compared with the real ones, and the data obtained from the betting market. It is concluded
that ANNs are a good prediction tool, achieving results similar to the betting market with a
limited amount of information. | pt_BR |
dc.identifier.doi | http://dx.doi.org/10.26512/2018.TCC.23782 | pt_BR |
Aparece na Coleção: | Administração
|