Skip navigation

Use este identificador para citar ou linkar para este item: https://repositorio.ufpb.br/jspui/handle/123456789/32559
Tipo: TCC
Título: Avaliação de Modelos Preditivos em Estatísticas Esportivas Ao Vivo: Uma Abordagem de Dados em Tempo Real
Autor(es): Gomes, Nathan Carlos de Macena
Primeiro Orientador: Barbosa, Yuri de Almeida Malheiros
Resumo: A previsão esportiva tem se expandido notavelmente com o avanço da tecnologia e da inteligência artificial, o que estimula a busca por métodos mais refinados de coleta de dados e reconhecimento de padrões. Este estudo foca na análise de modelos e técnicas como Redes Neurais e AutoML para compreender a ocorrência de eventos em partidas ao vivo, adotando uma abordagem de dados em larga escala. Observou-se que a engenharia de atributos e a definição de janelas de tempo antes dos eventos são cruciais para o desempenho do modelo.
Abstract: Sports prediction has expanded remarkably with the advancement of technology and artificial intelligence, which encourages the search for more refined methods of data collection and pattern recognition. This study focuses on the analysis of models and techniques such as Neural Networks and AutoML to understand the occurrence of events in live matches, adopting a large-scale data approach. It was observed that feature engineering and defining time windows before events are crucial for model performance.
Palavras-chave: Previsão esportiva
Tecnologia
Coleta de dados
Redes neurais
CNPq: CNPQ::OUTROS
Idioma: por
País: Brasil
Editor: Universidade Federal da Paraíba
Sigla da Instituição: UFPB
Departamento: Computação Científica
Tipo de Acesso: Acesso aberto
Attribution-NoDerivs 3.0 Brazil
URI: http://creativecommons.org/licenses/by-nd/3.0/br/
URI: https://repositorio.ufpb.br/jspui/handle/123456789/32559
Data do documento: 3-Abr-2024
Aparece nas coleções:TCC - Ciência da Computação - CI

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Nathan Carlos de Macena Gomes_TCC.pdfTCC771,31 kBAdobe PDFVisualizar/Abrir


Este item está licenciada sob uma Licença Creative Commons Creative Commons