Estudio de algoritmos y modelos para la detección de patrones similares de juego en futbolistas profesionales

Abstract

[ES] Este trabajo aborda la tarea de la búsqueda de jugadores similares, en concreto, de los jugadores de campo de las cinco grandes ligas durante la temporada 2017-18 a partir de técnicas de aprendizaje automático, como el análisis de componentes principales, UMAP, t-SNE y técnicas de clustering. Para que estos resultados se comprendan por el usuario estos se mostrarán junto a distintos gráficos y razonamientos que muestren el porqué de la elección de los perfiles. Esta propuesta trata de aumentar la información que se tiene en cuenta para buscar perfiles similares incluyendo información más disgregada y añadiendo la componente espacial a algunas de las características. Resumiendo, este trabajo trata de ofrecer una herramienta para ayudar a los clubes de fútbol profesionales en forma de soporte en la búsqueda de reemplazos a la hora de elaborar la planificación de la plantilla.

[EN] This work addresses the task of searching for similar players, specifically, out- field players in the five major leagues during the 2017-18 season using big data and machine learning techniques, such as principal component analysis, UMAP, t-SNE and clustering techniques. For these results to be displayed to the user, they must also be shown together with different graphs and a justification of why the profiles were chosen. This proposal tries to increase the information considered to search for similar profiles by including more disaggregated information and adding the spatial component to some of the features. To sum up, this work tries to offer a tool to help professional clubs in the search for replacements when planning their squad.