Llorenç Sancho-Barrios, Nofre Sanmartín-Vich, Carlos Roger de la Resurrección
{"title":"足球中的神经网络","authors":"Llorenç Sancho-Barrios, Nofre Sanmartín-Vich, Carlos Roger de la Resurrección","doi":"10.4995/MSEL.2021.15023","DOIUrl":null,"url":null,"abstract":"El aprendizaje automatico brinda la capacidad de examinar conjuntos de datos masivos y descubrir patrones dentro de los datos sin depender de suposiciones a priori. Su aplicacion al ambito del deporte, que esta experimentando un rapido crecimiento, se divide en modelos predictivos (programas de entrenamiento, resultados...) y explicativos (lesiones). En esta memoria, que forma parte de un proyecto final para una asignatura de master, empleamos tecnicas de aprendizaje no supervisado (mapas autoorganizados y clustering) para agrupar jugadores en funcion de diferentes estadisticas (pases, goles, faltas, etc) y comparamos los resultados con sus posiciones reales de juego. Asimismo, se describen las herramientas utilizadas para implementar y visualizar los resultados, con el objetivo de que un lector pueda inspirarse para realizar su propio proyecto.","PeriodicalId":18645,"journal":{"name":"Modelling in Science Education and Learning","volume":"14 1","pages":"15-32"},"PeriodicalIF":0.0000,"publicationDate":"2021-01-27","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Redes neuronales en el fútbol\",\"authors\":\"Llorenç Sancho-Barrios, Nofre Sanmartín-Vich, Carlos Roger de la Resurrección\",\"doi\":\"10.4995/MSEL.2021.15023\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"El aprendizaje automatico brinda la capacidad de examinar conjuntos de datos masivos y descubrir patrones dentro de los datos sin depender de suposiciones a priori. Su aplicacion al ambito del deporte, que esta experimentando un rapido crecimiento, se divide en modelos predictivos (programas de entrenamiento, resultados...) y explicativos (lesiones). En esta memoria, que forma parte de un proyecto final para una asignatura de master, empleamos tecnicas de aprendizaje no supervisado (mapas autoorganizados y clustering) para agrupar jugadores en funcion de diferentes estadisticas (pases, goles, faltas, etc) y comparamos los resultados con sus posiciones reales de juego. Asimismo, se describen las herramientas utilizadas para implementar y visualizar los resultados, con el objetivo de que un lector pueda inspirarse para realizar su propio proyecto.\",\"PeriodicalId\":18645,\"journal\":{\"name\":\"Modelling in Science Education and Learning\",\"volume\":\"14 1\",\"pages\":\"15-32\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2021-01-27\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Modelling in Science Education and Learning\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.4995/MSEL.2021.15023\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Modelling in Science Education and Learning","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.4995/MSEL.2021.15023","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
El aprendizaje automatico brinda la capacidad de examinar conjuntos de datos masivos y descubrir patrones dentro de los datos sin depender de suposiciones a priori. Su aplicacion al ambito del deporte, que esta experimentando un rapido crecimiento, se divide en modelos predictivos (programas de entrenamiento, resultados...) y explicativos (lesiones). En esta memoria, que forma parte de un proyecto final para una asignatura de master, empleamos tecnicas de aprendizaje no supervisado (mapas autoorganizados y clustering) para agrupar jugadores en funcion de diferentes estadisticas (pases, goles, faltas, etc) y comparamos los resultados con sus posiciones reales de juego. Asimismo, se describen las herramientas utilizadas para implementar y visualizar los resultados, con el objetivo de que un lector pueda inspirarse para realizar su propio proyecto.