Publicação:
Predição de escalação de jogadores no jogo Cartola FC utilizando aprendizado de máquina

Página do item simplificado
dc.contributor.advisor1Gabriel, Paulo Henrique Ribeiro
dc.contributor.advisor1Latteshttps://buscatextual.cnpq.br/buscatextual/visualizacv.do;jsessionid=C897BA2C60379CBB88B8CF97D786558F.buscatextual_0pt_BR
dc.contributor.referee1Santos, Fernanda Maria da Cunha
dc.contributor.referee1Latteshttp://lattes.cnpq.br/6802596562404346pt_BR
dc.contributor.referee2Miani, Rodrigo Sanches
dc.contributor.referee2Latteshttp://lattes.cnpq.br/2992074747740327pt_BR
dc.creatorMatsuhashi, Lucas Yudi
dc.date.accessioned2025-06-18T14:13:57Z
dc.date.available2025-06-18T14:13:57Z
dc.date.issued2025-05-14
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoEste trabalho propõe o uso de algoritmos de aprendizado de máquina e otimização para prever o desempenho de jogadores de futebol no fantasy game Cartola FC, com o objetivo de montar equipes otimizadas para maximizar a pontuação ao longo do campeonato. Foi construída uma base de dados composta por informações históricas de desempenho individual dos atletas, juntamente com informações contextuais das partidas. Após a sua definição, os dados passaram pela etapa de pré-processamento, que envolve normalização, seleção de atributos e balanceamento das bases. Esses dados foram usados como entrada para diferentes modelos preditivos cuja sua saída consiste na pontuação que cada atleta alcançará em determinada rodada. Foram explorados os seguintes métodos: Máquina de Vetores de Suporte (SVM), Floresta Aleatória, Catboost e uma Rede Neural Recorrente (RNR). Em seguida, foi aplicado um método baseado no algoritmo genético para criar a melhor configuração de time, levando em consideração as restrições de orçamento e formação tática, retornando a escalação mais adequada. A abordagem proposta, de predição e otimização, mostrou-se eficaz, atingindo a média de 91.01 pontos ao longo do período proposto, com a pontuação máxima de 113.96 pontos na vigésima nona rodada do campeonato.pt_BR
dc.identifier.citationMATSUHASHI, Lucas Yudi. Predição de escalação de jogadores no jogo Cartola FC utilizando aprendizado de máquina. 2025. 52 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal de Uberlândia, 2025pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/46183
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseCiência da Computaçãopt_BR
dc.rightsAcesso Abertopt_BR
dc.sizeorduration52pt_BR
dc.subjectCartola FCpt_BR
dc.subjectAprendizado de Máquinapt_BR
dc.subjectRegressão Supervisionadopt_BR
dc.subjectModelos Preditivospt_BR
dc.subjectAlgoritmo Genéticopt_BR
dc.subjectCartola FCpt_BR
dc.subjectmachine learningpt_BR
dc.subjectsupervised regressionpt_BR
dc.subjectpredictive modelspt_BR
dc.subjectgenetic algorithmpt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRApt_BR
dc.titlePredição de escalação de jogadores no jogo Cartola FC utilizando aprendizado de máquinapt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dspace.entity.typePublication

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
PrediçãoDeEscalação.pdf
Tamanho:
2.3 MB
Formato:
Adobe Portable Document Format
Descrição:
tcc
Baixar

Coleções

TCC - Ciência da Computação