prikaz prve stranice dokumenta Analiza uporabe složenih statističkih parametara za unaprjeđenje modela strojnog učenja u sportskoj domeni
No public access
master's thesis
Analiza uporabe složenih statističkih parametara za unaprjeđenje modela strojnog učenja u sportskoj domeni
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2023. urn:nbn:hr:168:321538
Ćurić, Dominik
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Ćurić, D. (2023). Analiza uporabe složenih statističkih parametara za unaprjeđenje modela strojnog učenja u sportskoj domeni (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:321538

Ćurić, Dominik. "Analiza uporabe složenih statističkih parametara za unaprjeđenje modela strojnog učenja u sportskoj domeni." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2023. https://urn.nsk.hr/urn:nbn:hr:168:321538

Ćurić, Dominik. "Analiza uporabe složenih statističkih parametara za unaprjeđenje modela strojnog učenja u sportskoj domeni." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2023. https://urn.nsk.hr/urn:nbn:hr:168:321538

Ćurić, D. (2023). 'Analiza uporabe složenih statističkih parametara za unaprjeđenje modela strojnog učenja u sportskoj domeni', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 09 November 2024, https://urn.nsk.hr/urn:nbn:hr:168:321538

Ćurić D. Analiza uporabe složenih statističkih parametara za unaprjeđenje modela strojnog učenja u sportskoj domeni [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2023 [cited 2024 November 09] Available at: https://urn.nsk.hr/urn:nbn:hr:168:321538

D. Ćurić, "Analiza uporabe složenih statističkih parametara za unaprjeđenje modela strojnog učenja u sportskoj domeni", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2023. Available at: https://urn.nsk.hr/urn:nbn:hr:168:321538

Metadata
TitleAnaliza uporabe složenih statističkih parametara za unaprjeđenje modela strojnog učenja u sportskoj domeni
Title (english)Analysing the Usage of Complex Statistical Parameters for the Improvement of Machine Learning Models in the Sports Domain
AuthorDominik Ćurić
MentorDamir Pintar (mentor)
Committee memberDamir Pintar (predsjednik povjerenstva)
Committee memberMihaela Vranić (član povjerenstva)
Committee memberLuka Humski (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2023-07-13, Croatia
Abstract
U nogometu kao najpopularnijem svjetskom sportu jednostavne statističke katego- rije poput broja udaraca, broja dodavanja ili broja prekršaja ne pružaju dovoljno dobar kontekst radnjama koje igrač čini na terenu tijekom utakmice. Zbog toga su potrebne nove statističke kategorije koje daju bolje i dublje značenje akcija koje igrači čine za vrijeme utakmice, a zasnovane su na modelima strojnog učenja koji u obzir uzimaju podatke o događajima (engl. event data). U okviru ovog rada objašnjeni su pristupi vrednovanja akcija u nogometu te definirani i teorijski objašnjeni Expected Threat i VAEP modeli. U praktičnom dijelu rada implementirano je više inačica oba modela te je na temelju rezultata odabrana po jedna inačica svakog od modela i napravljena usporedba na temelju podataka vezanih uz Englesku nogometnu ligu
Abstract (english)
In football, as the world’s most popular sport, simple statistical categories such as the number of shots, the number of passes or the number of fouls do not provide a good enough context for the actions a player performs on the field during a match. For this reason, new statistical categories are needed that give a better and deeper meaning of the actions that the players make during the match, and are based on machine learning models that take into account event data. Within this paper, the approaches to the eva- luation of actions in football are explained and the Expected Threat and VAEP models are defined and theoretically explained. In the practical part of the work, multiple ver- sions of both models were implemented, and based on the results, one version of each model was selected and a comparison was made based on data related to the English Football League.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:321538
Study programmeTitle: Computing
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2023-10-11 08:41:31