dc.contributor.author |
Αρμενιάκος, Σπυρίδων
|
el |
dc.contributor.author |
Armeniakos, Spyridon
|
en |
dc.date.accessioned |
2023-01-16T11:01:45Z |
|
dc.date.available |
2023-01-16T11:01:45Z |
|
dc.identifier.uri |
https://dspace.lib.ntua.gr/xmlui/handle/123456789/56722 |
|
dc.identifier.uri |
http://dx.doi.org/10.26240/heal.ntua.24420 |
|
dc.rights |
Default License |
|
dc.subject |
Ταξινόμηση |
el |
dc.subject |
Classification |
en |
dc.subject |
Επιλογή - Εξαγωγή Χαρακτηριστικών |
el |
dc.subject |
Μηχανική Μάθηση |
el |
dc.subject |
Ρύθμιση Υπερπαραμέτρων |
el |
dc.subject |
Προβλέψεις |
el |
dc.subject |
Features selection - feature engineering |
en |
dc.subject |
Machine learning |
en |
dc.subject |
Hyperparameter Tuning |
en |
dc.subject |
NBA |
en |
dc.subject |
Prediction |
en |
dc.subject |
Sports analytics |
en |
dc.title |
Πρόβλεψη αποτελεσμάτων αγώνων μπάσκετ με χρήση τεχνικών μηχανικής μάθησης |
el |
heal.type |
bachelorThesis |
|
heal.classification |
Μηχανική Μάθηση |
el |
heal.language |
el |
|
heal.access |
free |
|
heal.recordProvider |
ntua |
el |
heal.publicationDate |
2022-10-12 |
|
heal.abstract |
Το μπάσκετ αποτελεί ένα από τα πιο δημοφιλή αθλήματα παγκοσμίως, με αγώνες να λαμβάνουν χώρα κάθε μέρα σε όλο τον κόσμο. Το γεγονός αυτό βοηθάει στη δημοσιοποίηση πολλών δεδομένων και στατιστικών σχετικά με τους αγώνες και τους παίχτες, όπως είναι το τελικό σκορ, τα ποσοστά ευστοχίας, η θέαση κλπ. Η Μηχανική Μάθηση με τεράστια πρόοδο τα τελευταία χρόνια προσπαθεί να αναλύσει δεδομένα, να τα συσχετίσει και να δημιουργήσει προβλέψεις σχετικά με αυτά. Σκοπός της παρούσας διπλωματικής εργασίας είναι η εύρεση dataset με αγώνες μπάσκετ, η ανάλυσή του, η δημιουργία προβλέψεων με την χρήση Τεχνικών Μηχανικής Μάθησης και Βαθιάς Μάθησης και τέλος η σύγκριση των αποτελεσμάτων των διαφορετικών μεθόδων. |
el |
heal.abstract |
Basketball is one of the most popular sports in the world, with matches taking place every day all over the world. This fact helps in releasing a lot of data and statistics about matches and players, such as final score, hit rate, viewership, etc. Machine Learning with huge progress in recent years tries to analyze data, correlate it and make predictions about with these. The purpose of this thesis is to find a dataset with basketball games, analyze it and finally create predictions using Machine Learning and Deep Learning techniques and compare the results of the different methods. |
en |
heal.advisorName |
Ασκούνης, Δημήτριος |
el |
heal.committeeMemberName |
Ασκούνης, Δημήτριος |
el |
heal.committeeMemberName |
Ψαρράς, Ιωάννης |
el |
heal.committeeMemberName |
Δούκας, Χρυσόστομος |
el |
heal.academicPublisher |
Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Ηλεκτρικών Βιομηχανικών Διατάξεων και Συστημάτων Αποφάσεων |
el |
heal.academicPublisherID |
ntua |
|
heal.numberOfPages |
80 σ. |
el |
heal.fullTextAvailability |
false |
|