Mostrar registro simples

dc.contributor.advisorGalante, Renata de Matospt_BR
dc.contributor.authorBoucinha, Iago Martinspt_BR
dc.date.accessioned2023-07-05T03:48:08Zpt_BR
dc.date.issued2023pt_BR
dc.identifier.urihttp://hdl.handle.net/10183/261788pt_BR
dc.description.abstractNos últimos anos, os eventos esportivos vêm se tornando cada vez mais relevantes dentro da sociedade, cativando mais e mais pessoas. Esse movimento gerou um crescimento exponencial de casas de apostas relacionadas a essa modalidade, cada uma com seu próprio esquema de precificação. Este trabalho se propõe a criar um modelo de precificação uti lizando aprendizado de máquina para prever os possíveis resultados e probabilidades de uma partida de futebol. O modelo proposto será avaliado utilizando métricas clássicas da área de aprendizado de máquina e também será comparado com as probabilidades oferta das nas casas de aposta. A criação de um modelo robusto, capaz de encontrar falhas de precificação dentro dos eventos, possibilita uma grande vantagem competitiva, podendo ser utilizado para ajustes na precificação ou até mesmo para se obter lucro no mercado de apostas esportivas. Os resultados que serão apresentados nos próximos capítulos reforçam a teoria de que existe muito potencial a ser explorado neste segmento, porém não é uma tarefa fácil.pt_BR
dc.description.abstractIn recent years, sporting events have become increasingly relevant within society, capti vating more and more people. This movement generated an exponential growth of book makers related to this modality, each one with its own pricing scheme. This work aims to create a machine learning model to predict the results and probabilities of a football match. The proposed model will be evaluated using classic metrics from the area of ma chine learning and the odds offered by bookmakers will also be compared. The creation of a robust model, able to find misfits prices, would allow a great competitive advantage, being able to be used for market pricing or even to obtain profit in the sports betting mar ket. The results that will be presented in the next chapter reinforce the theory that there is a lot of potential to be explored in this segment, but is not an easy task.en
dc.format.mimetypeapplication/pdfpt_BR
dc.language.isoengpt_BR
dc.rightsOpen Accessen
dc.subjectAprendizado de máquinapt_BR
dc.subjectSocceren
dc.subjectBase de dadospt_BR
dc.subjectSports bettingen
dc.titleUm modelo de previsão de resultados de futebol utilizando Machine Learningpt_BR
dc.title.alternativeA model to predict outcomes of soccer matches using machine learning en
dc.typeTrabalho de conclusão de graduaçãopt_BR
dc.identifier.nrb001172666pt_BR
dc.degree.grantorUniversidade Federal do Rio Grande do Sulpt_BR
dc.degree.departmentInstituto de Informáticapt_BR
dc.degree.localPorto Alegre, BR-RSpt_BR
dc.degree.date2023pt_BR
dc.degree.graduationCiência da Computação: Ênfase em Ciência da Computação: Bachareladopt_BR
dc.degree.levelgraduaçãopt_BR


Thumbnail
   

Este item está licenciado na Creative Commons License

Mostrar registro simples