Sustav za profiliranje sportaša zasnovan na znanosti o podacima: studijski slučaj igrača košarke

diplomski rad

• Naslov (engleski): System for profiling of athletes based on data science: case study of basketball players
• Autor: Matija Šekrst
• Mentor: Vedran Podobnik (mentor)
• Član povjerenstva: Vedran Podobnik (predsjednik povjerenstva)
• Član povjerenstva: Ognjen Dobrijević (član povjerenstva)
• Član povjerenstva: Marina Bagić Babac (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2018-07-13, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Prikupljanje i obrada podataka su ključni za razvoj svake grane, pa tako i sporta. Velika količina podataka omogućuje donošenje zaključaka na svim razinama, od trenera momčadi, pa sve do navijača. Fokus ovog rada je na predviđanju ishoda košarkaških utakmica jer mogućnost da se predvidi pobjednik susreta otvara mnogobrojne mogućnosti. Rad pokazuje da je naivni Bayesov model najbolji za predviđanje pobjednika košarkaških utakmica, da su predviđanja svih korištenih modela konzistentna po točnosti i AUC vrijednosti i da je ekonomska funkcija troška nestabilna, pa se ne može donijeti zaključak o isplativosti klađenja na predviđanja.

Sažetak (engleski)

Data acquisition and analysis has become key factor in every industry, including the sport industry. New conclusions are drawn based on large data quantity on every level, from team managers to supporters. This thesis focuses on predictions of basketball games because ability to predict winner of a match could be beneficial. Thesis also shows that Naive Bayes model has the best performance when predicting winner of a basketball game. It also shows that model accuracy and AUC values are consistent and economical cost function is unstable so no valid conclusions can be drawn about betting profitability.

• Ključne riječi: Znanost o podacima; NBA; Node.js; PostgreSQL; RapidMiner; naivni Bayes; nasumična šuma; generalizirani linearni model; duboko učenje; predviđanje rezultata; AUC; ekonomska funkcija troška; profitabilnost klađenja
• Ključne riječi (engleski): Data science; NBA; Node.js; PostgreSQL; RapidMiner; Naive Bayes; Random Forest; Generalized Linear Model; Deep Learning; results prediction; AUC; economical cost function; betting profitability
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:464574
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2019-03-14 01:11:55