Моделі машинного навчання для прогнозування результатів кіберспортивних матчів на основі аналізу ігрових даних
Вантажиться...
Дата
2024
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Актуальність теми
З розвитком кіберспорту зростає потреба у прогнозуванні результатів матчів, що має велике значення для аналітичних сервісів, команд, гравців та беттінгових платформ. Водночас застосування методів машинного навчання у цій сфері залишається недостатньо дослідженим.
Мета роботи
Встановлення ефективності різних моделей машинного навчання для прогнозування результатів кіберспортивних матчів шляхом аналізу історичних ігрових даних.
Завдання дослідження:
1. Провести аналіз предметної області та стану прогнозування у кіберспорті.
2. Оцінити ефективність існуючих методів машинного навчання для прогнозування спортивних подій.
3. Визначити вхідний вектор та створити датасет на основі історичних даних.
4. Розробити математичну модель задачі прогнозування.
5. Провести обчислювальні експеременти
6. Реалізувати програмне забезпечення з використанням оптимальних моделей машинного навчання.
7. Оцінити ринкові перспективи впровадження продукту.
Об’єкт дослідження – методи машинного навчання для розв’язання задачі регресії.
Предмет дослідження – прогнозування результату кіберспортивного матчу на основі методів машинного навчання.
Методи дослідження: методи прогнозування на основі моделей штучного інтелекту, порівняльний аналіз та оцінка моделей з використанням кількісних метрик.
Наукова новизна: розроблено математичну модель для передматчевого прогнозування, що враховує індивідуальні та командні показники.
Практичне значення: розроблене програмне забезпечення може бути використане для підтримки прийняття рішень у кіберспорті, аналітики гри та інтеграції з беттінговими платформами.
Апробація результатів дисертації. Основні положення даної роботи доповідались та обговорювались на: XLVІІ Міжнародній науковій та практичній конференції "The Future of Scientific Discoveries: New Trends and Technologies", 13-15 листопада, 2024 м. Марсель, Франція.
Дисертація складається з вступу, п’яти розділів та висновків. Повний обсяг дисертації складає 106 сторінок, в тому числі 90 сторінок основного тексту, 23 таблиці, 16 рисунків, 3 сторінки списку використаних джерел у кількості 27 найменувань.
Опис
Ключові слова
машинне навчання, задача регресії, логістична регресія, глибока нейронна мережа, градієнтне підсилення, випадковий ліс, штучний інтелект, кіберспорт, Dota 2.
Бібліографічний опис
Кривонос, В. В. Моделі машинного навчання для прогнозування результатів кіберспортивних матчів на основі аналізу ігрових даних : магістерська дис. : 122 Комп’ютерні науки / Кривонос Володимир Вікторович. – Київ, 2024. – 108 с.