Upload
others
View
2
Download
0
Embed Size (px)
Citation preview
Data Mining
Resultados Desportivos
PROJETO FEUP | MIEGI
TURMA 1 | EQUIPA 2
SUPERVISOR Armando Leitão MONITOR Luís Dias
André Pinto | Bárbara Ribeiro |Beatriz Gonçalves | Margarida Silva | Teresa Matos
Objetivos
3DATA MINING – RESULTADOS DESPORTIVOS 2
• Caraterizar Data Mining;
• Apresentar vantagens e desvantagens;
• Explorar o possível impacto nos resultados desportivos;
• Data Mining como ferramenta de melhoria a nível desportivos;
• Demonstrar desportos onde seja evidenciada a utilização do Data Mining.
MIEGI | TURMA 1 | EQUIPA 2
Conceito de Data Mining
34DATA MINING – RESULTADOS DESPORTIVOS 3
Recolha, seleção e análise quantitativa de informação, transformando-a
em conhecimento organizado e útil.
• Avaliação e identificação de relacionamentos entre variáveis
• Registo e dedução de padrões, exceções, tendências
• Propósitos: previsão, classificação e otimização
MIEGI | TURMA 1 | EQUIPA 2
Conceito de Data Mining
44DATA MINING – RESULTADOS DESPORTIVOS 4
Fig 1. Etapas do processo KDD (Knowledge Discovery in Databases)
MIEGI | TURMA 1 | EQUIPA 2
Etapas para aplicação
5DATA MINING – RESULTADOS DESPORTIVOS
Seleção de dados Limpeza de dados
Transformação / Codificação
Processamento
5MIEGI | TURMA 1 | EQUIPA 2
Principais
técnicas/algoritmos
6DATA MINING – RESULTADOS DESPORTIVOS 6
Árvores de decisão
Fig 2. Exemplo de árvore de decisão
MIEGI | TURMA 1 | EQUIPA 2
Principais
técnicas/algoritmos
6DATA MINING – RESULTADOS DESPORTIVOS 7
Redes Neuronais
Fig 3. Estrutura de uma rede neuronal
MIEGI | TURMA 1 | EQUIPA 2
Principais
técnicas/algoritmos
6DATA MINING – RESULTADOS DESPORTIVOS 8
Regras de associação
Representam padrões de relacionamento entre itens de uma base
de dado, se a presença de um conjunto de itens implica a presença
de um outro.X → Y
MIEGI | TURMA 1 | EQUIPA 2
9
ferramentas
DATA MINING – RESULTADOS DESPORTIVOS
SAS (Interprise Miner) Weka RapidMiner
Fig 4. Logótipo SAS Fig 5. Logótipo Weka Fig 6. Logótipo RapidMiner
9MIEGI | TURMA 1 | EQUIPA 2
10
vantagens
DATA MINING – RESULTADOS DESPORTIVOS
• Previsão de tendências futuras;
• Ajuda na tomada de decisões;
• A exposição de hábitos de aquisição;
• O aumento do rendimento das empresas / organizações desportivas;
• Fácil deteção de fraudes.
10MIEGI | TURMA 1 | EQUIPA 2
11
desvantagens
DATA MINING – RESULTADOS DESPORTIVOS
• Processo dispendioso;
• Violação de privacidade;
• Problemas de segurança;
• Uso inapropriado de informação;
• Limitação associada à precisão dos dados.
11MIEGI | TURMA 1 | EQUIPA 2
12
Data mining associado
ao desporto
DATA MINING – RESULTADOS DESPORTIVOS
Análises estatísticas e descoberta de padrões
• Prever desempenhos e resultados
• Selecionar jogadores
• Planear melhores estratégias de treino
• Reduzir a frequência e o impacto de testes físicos
12
Fig 7. Modalidades desportivas
MIEGI | TURMA 1 | EQUIPA 2
Previsão de possíveis lesões dos jogadores.
Vantagem competitiva na prevenção de lesões.
Melhor performance do jogador e valorização no mercado
de transferências do futebol.13
DATA MINING – RESULTADOS DESPORTIVOS
Futebol
13
Fig 8. Jogador do AC Milan
MIEGI | TURMA 1 | EQUIPA 2
Data mining associado
ao desporto
14DATA MINING – RESULTADOS DESPORTIVOS
Basquetebol
Classificação da Eficácia do Jogador (PER)
Zonas de Lançamento
Previsão das respostas às campanhas de marketing
14
Fig 9. Jogador de Basquetebol
MIEGI | TURMA 1 | EQUIPA 2
Data mining associado
ao desporto
15DATA MINING – RESULTADOS DESPORTIVOS
Fórmula 1 Idade Faixa etária entre os 27 e 36 anos
Grelhas Primeiras grelhas
Número de paragens Duas paragens
15
Fig 10. Veículo de Fórmula 1
MIEGI | TURMA 1 | EQUIPA 2
Data mining associado
ao desporto
16
Conclusão
DATA MINING – RESULTADOS DESPORTIVOS 16
• Data Mining pode ser definido como o processo de recolha e posterior análise de
informação, convertendo-a em conhecimento organizado.
• Ao nível do desporto, o recurso a este processo implica melhorias dos resultados e
desempenho das equipas desportivas.
• O Data Mining é um processo recente e inovador com uma grande margem de
progressão, sendo relevante aprofundar e investigar esta temática.
MIEGI | TURMA 1 | EQUIPA 2
MIEGI | TURMA 1 | EQUIPA 2 17
Obrigado!
SUPERVISOR Armando Leitão MONITOR Luís Dias
André Pinto | Bárbara Ribeiro |Beatriz Gonçalves | Margarida Silva | Teresa Matos
2016/2017