Uporaba strojnega učenja na področju športne analitikeBrglez, Domen (Avtor) Todorovski, Ljupčo (Komentor) športna analitikastrojno učenjeprogramski jezikinapovedni modeliliga NBAalgoritmiumetna inteligencaMagistrsko delo se ukvarja z uporabo algoritmov strojnega učenja za športno analitiko. Športno analitiko lahko definiramo kot upravljanje s strukturiranimi podatki, ki jih zbiramo iz opazovanj športnih dogodkov s ciljem pridobivanja konkurenčne prednosti za športno ekipo ali posameznika. V magistrskem delu sem dokumentiral celotni postopek analize športnih podatkov, od zbiranja in urejanja podatkov v primerno obliko, preko preverjanja različnih nastavitev parametrov metod za učenje modelov, do izbire najbolj točnih napovednih modelov. Glavni namen magistrskega dela je bil priprava učnega gradiva za uvod v uporabo metod strojnega učenja, ki bi popolnim začetnikom omogočil spoznavanje različnih metod strojnega učenja skozi konkreten primer njihove uporabe. Zato v prvem delu predstavim različne metode strojnega učenja za gradnjo napovednih modelov iz podatkov in postopke merjenja točnosti napovedi. V drugem, praktičnem delu, pa se osredotočam na izbiro najbolj ustreznega napovednega modela za napovedovanje izidov tekem. Rezultati na podatkih iz lige NBA so pokazali, da so linearni modeli najbolj ustrezni za napovedovanje izidov tekem. Prvo raziskovalno vprašanje se je nanašalo na koristnost metode analize glavnih komponent za predobdelavo podatkov. Po pričakovanjih, glede na veliko število napovednih spremenljivk, se je izkazalo, da uporaba predobdelave poveča točnost napovednih modelov. Drugo raziskovalno vprašanje se je nanašalo na povezavo med uvrstitvijo ekipe in točnostjo modela za napovedovanje izidov njihovih tekem. Rezultati kažejo, da ni povezave med uvrstitvijo ekipe na lestvici NBA ob koncu sezone in točnostjo modela za napovedovanje njihovih tekem.[D. Brglez]20192019-05-16 03:16:35Magistrsko delo/naloga107711sl