dc.contributor.advisor | Papakyriakopoulos, Dimitris | |
dc.contributor.author | Σωτηριάδου, Αθηνά | |
dc.contributor.author | Ταχλιαμπούρης, Δημήτριος-Αθανάσιος | |
dc.date.accessioned | 2024-03-29T12:45:24Z | |
dc.date.available | 2024-03-29T12:45:24Z | |
dc.date.issued | 2024-03-06 | |
dc.identifier.uri | https://polynoe.lib.uniwa.gr/xmlui/handle/11400/6275 | |
dc.identifier.uri | http://dx.doi.org/10.26265/polynoe-6111 | |
dc.description.abstract | Η παρούσα διπλωματική εργασία υλοποίησε μοντέλα που πρόβλεψαν τα τέρματα που σημειώθηκαν στους ποδοσφαιρικούς αγώνες της πρώτης εθνικής κατηγορίας του Αγγλικού πρωταθλήματος ποδοσφαίρου Premier League. Αρχικά, αναλύθηκαν οι
παράγοντες που επηρέασαν σε μεγάλο βαθμό την πορεία μιας ποδοσφαιρικής ομάδας, όπως τα οικονομικά δεδομένα της, η διαχείριση και εξέλιξη των αθλητών της, η αξιοποίηση των νέων τεχνολογιών που ενσωματώθηκαν με στόχο την εξέλιξη του
αθλήματος και η επιρροή της ομάδα προς τους φιλάθλους της. Στη συνέχεια, παρουσιάστηκαν σχετικές ακαδημαϊκές μελέτες που προσδιόρισαν, με όσο το δυνατόν υψηλότερη ακρίβεια, το αποτέλεσμα ενός ποδοσφαιρικού αγώνα. Επιπλέον, παρατηρήθηκε στη βιβλιογραφία ότι ελάχιστοι ερευνητές ασχολήθηκαν με τη δημιουργία μοντέλων που πρόβλεψαν τα τέρματα που σημειώθηκαν σε ποδοσφαιρικά παιχνίδια λόγο πολλών αστάθμητων παραγόντων. Έπειτα, παρουσιάστηκε η μεθοδολογία CRISP-DM και τα χαρακτηριστικά που χρησιμοποιήθηκαν στα εξεταζόμενα μοντέλα. Ακόμα, υλοποιήθηκαν κάποια μοντέλα παλινδρόμησης με τη χρήση του προγράμματος Rapid Miner. Ακολούθως, παρουσιάστηκαν και συγκρίθηκαν τα αποτελέσματα του καθενός. Επιπλέον, αναλύθηκε πώς μπορεί μία ομάδα με σωστό διοικητικό σχεδιασμό και γνώση των αναγκών της, μέσω πρόβλεψης κάποιων καταστάσεων, να παρουσιάσει κερδοφορία και παράλληλα να πρωταγωνιστήσει στο υψηλότερο επίπεδο. Κλείνοντας, τονίστηκε η συνεισφορά της συγκεκριμένης εργασίας στον ακαδημαϊκό χώρο. | el |
dc.format.extent | 120 | el |
dc.language.iso | el | el |
dc.publisher | Πανεπιστήμιο Δυτικής Αττικής | el |
dc.rights | Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές | * |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές | * |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Sport management | el |
dc.subject | Αθλητισμός | el |
dc.subject | Διοίκηση αθλητισμού | el |
dc.subject | Sports analytics | el |
dc.subject | Ποδόσφαιρο | el |
dc.subject | CRISP-DM | el |
dc.subject | RapidMiner | el |
dc.subject | Μοντέλα παλινδρόμησης | el |
dc.subject | Αλγόριθμοι | el |
dc.subject | Αθλητικά δεδομένα | el |
dc.title | Sport data analytics: The case of football | el |
dc.title.alternative | Ανάλυση αθλητικών δεδομένων: Η περίπτωση του ποδοσφαίρου | el |
dc.type | Μεταπτυχιακή διπλωματική εργασία | el |
dc.contributor.committee | Psaromiligkos, Ioannis (Yannis) | |
dc.contributor.committee | Anagnostopoulos, Theodoros | |
dc.contributor.faculty | Σχολή Διοικητικών, Οικονομικών & Κοινωνικών Επιστημών | el |
dc.contributor.department | Τμήμα Διοίκησης Επιχειρήσεων | el |
dc.contributor.master | Διοίκηση Επιχειρήσεων - Master in Business Administration (MBA) | el |
dc.description.abstracttranslated | The current diploma thesis aiming at the creation of models that will predict goals that will be scored by the teams during the whole season of English premier league. First of all, research conducted about the facts that influence many aspects of a team like it’s financial situation, the growth of the players participating in the league, the usage of the new technologies and how a team can influence the fan base and create bigger loyalty. Then important academic papers analyze how machine learning models can predict the result of a football game. Through that research we realize that main focus was to predict game results and not how many goals will be scored by each team because of the complexity and unweighted factors of that problem. We decided to focus on goals scored by each team by using Crisp-Dm methodology to approach the problem and rapid miner tool to create machine learning models. The aims was to create some models and compare them in order to find out which was the most useful. Then we discussed about that results and how a team can be improved through that process with Brighton case study. Finally, we
mentioned what this thesis added to academic bibliography and how can be used in the future in order to provide more accurate results. | el |