Моделі машинного навчання для прогнозування результатів кіберспортивних матчів на основі аналізу ігрових даних

Скорочена інформація про документ
dc.contributor.advisorШаповалова, Світлана Ігорівна
dc.contributor.authorКривонос, Володимир Вікторович
dc.date.accessioned2025-01-21T13:03:58Z
dc.date.available2025-01-21T13:03:58Z
dc.date.issued2024
dc.description.abstractАктуальність 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.
dc.description.abstractotherRelevance With the development of esports, there is a growing need for match result prediction, which is highly significant for analytical services, teams, players, and betting platforms. At the same time, the application of machine learning methods in this field remains insufficiently researched. The purpose of the study To establish the effectiveness of various machine learning models for predicting esports match results through historical game data analysis. Research objectives: 1. Conduct analysis of the subject area and the state of prediction in esports. 2. Evaluate the effectiveness of existing machine learning methods for predicting sports events. 3. Define the input vector and create a dataset based on historical data. 4. Develop a mathematical model for the prediction task. 5. Conduct computational experiments. 6. Implement software using optimal machine learning models. 7. Evaluate market prospects for product implementation. Object of study – machine learning methods for solving regression problems. Subject of study – prediction of esports match outcomes based on machine learning methods. Research methods: prediction methods based on artificial intelligence models, comparative analysis and model evaluation using quantitative metrics. Scientific novelty: developed a mathematical model for pre-match prediction that takes into account individual and team performance indicators. Practical value: the developed software can be used for decision support in esports, game analytics, and integration with betting platforms. The main provisions of this work were presented and discussed at XLVII International scientific and practical conference "The Future of Scientific Discoveries: New Trends and Technologies", November 13-15, 2024. Marseille, France. Approval of the results of the dissertation. The dissertation consists of an introduction, five chapters and conclusions. The full volume of the dissertation is 106 pages, including 90 pages of the main text, 23 tables, 16 figures, 3 pages of the list of references consisting of 27 items.
dc.format.extent108 с.
dc.identifier.citationКривонос, 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.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/72085
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectмашинне навчання
dc.subjectзадача регресії
dc.subjectлогістична регресія
dc.subjectглибока нейронна мережа
dc.subjectградієнтне підсилення
dc.subjectвипадковий ліс
dc.subjectштучний інтелект
dc.subjectкіберспорт
dc.subjectDota 2.
dc.titleМоделі машинного навчання для прогнозування результатів кіберспортивних матчів на основі аналізу ігрових даних
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Krivonos_magistr.pdf
Розмір:
3.43 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ЦТЕ)
Магістерські роботи