dc.contributor.author | Αλεξάκης, Κωνσταντίνος | el |
dc.contributor.author | Alexakis, Konstantinos | en |
dc.date.accessioned | 2020-05-18T14:12:34Z | |
dc.date.available | 2020-05-18T14:12:34Z | |
dc.identifier.uri | https://dspace.lib.ntua.gr/xmlui/handle/123456789/50628 | |
dc.identifier.uri | http://dx.doi.org/10.26240/heal.ntua.18326 | |
dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
dc.subject | Μηχανική μάθηση | el |
dc.subject | Προβλέψεις | el |
dc.subject | Στοιχηματικές αποδόσεις | el |
dc.subject | Κέρδος | el |
dc.subject | Αγγλικό Πρωτάθλημα Ποδοσφαίρου | el |
dc.subject | Machine learning | en |
dc.subject | Predictions | en |
dc.subject | Betting odds | en |
dc.subject | Profit | en |
dc.subject | English Premier League | en |
dc.title | Πρόβλεψη αποτελεσμάτων αγώνων ποδοσφαίρου με χρήση ευφυών συστημάτων | el |
heal.type | bachelorThesis | |
heal.classification | Μηχανική μάθηση | el |
heal.language | el | |
heal.access | free | |
heal.recordProvider | ntua | el |
heal.publicationDate | 2019-11-08 | |
heal.abstract | Η δημιουργία προβλέψεων με χρήση συστημάτων Μηχανικής Μάθησης έχει γνωρίσει τεράστια ανάπτυξη τα τελευταία χρόνια, ενώ πλέον χρησιμοποιείται και σε πολλούς και διαφορετικούς τομείς. Τα συστήματα Μηχανικής Μάθησης χρησιμοποιούν δεδομένα του παρελθόντος , που είναι γνωστό το αποτέλεσμα τους, και προσπαθούν να προβλέψουν τις νέες καταστάσεις, αναγνωρίζοντας τα πρότυπα και τα μοτίβα στα διαθέσιμα ιστορικά στοιχεία. Η παρούσα εργασία θα ασχοληθεί με την πρόβλεψη αποτελεσμάτων αγώνων ποδοσφαίρου του Αγγλικού πρωταθλήματος και σκοπό έχει να εξετάσει αν κάποιο μοντέλο μπορεί να οδηγήσει σε κέρδος, χρησιμοποιώντας τις στοιχηματικές αποδόσεις μεγάλων ευρωπαϊκών εταιρειών. Συνολικά αναπτύχθηκαν επτά διαφορετικά μοντέλα, πετυχαίνοντας πολύ ικανοποιητικά και ελπιδοφόρα για το μέλλον αποτελέσματα. | el |
heal.abstract | Making predictions using Machine Learning techniques has grown significantly the last decades and is widely used in different domains. The Machine learning systems exploit data from the past and try to recognize patterns in these, in order to predict the new class of the new data. In the herein presented thesis, Machine learning algorithms were applied to predict the outcome of matches from the English Premier League. The scope of this analysis is to examine and search for models able to lead to profit, using these predictions and the betting odds from large betting firms. Overall, seven different models have been developed, which resulted in a satisfactory and promising outcom | en |
heal.advisorName | Σταφυλοπάτης, Ανδρέας-Γεώργιος | el |
heal.committeeMemberName | Σταφυλοπάτης, Ανδρέας Γεώργιος | el |
heal.committeeMemberName | Στάμου, Γεώργιος | el |
heal.committeeMemberName | Τσανάκας, Παναγιώτης | el |
heal.academicPublisher | Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών | el |
heal.academicPublisherID | ntua | |
heal.numberOfPages | 69 σ. | el |
heal.fullTextAvailability | false |
Οι παρακάτω άδειες σχετίζονται με αυτό το τεκμήριο: