Técnicas de análisis predictivo en la valoración de jugadores de fútbol: Una aplicación al mercado europeo
Date
2023
Type:
Thesis
item.page.extent
42 p.
item.page.accessRights
Privado
Authors
item.contributor.advisor
ORCID:
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad del Desarrollo. Facultad de Ingeniería
item.page.isbn
item.page.issn
item.page.issne
item.page.doiurl
item.page.other
item.page.references
Abstract
El fútbol es ampliamente considerado como el deporte más popular del mundo, pero este
es mucho más que un deporte, es una industria multimillonaria donde el valor de un
jugador puede no solamente determinar su carrera, sino que además el resultado
económico de su equipo. Este proyecto tiene como objetivo abordar la compleja tarea de
predecir de forma objetiva el valor de mercado de los jugadores de fútbol de ligas europeas
mediante técnicas avanzadas de ciencia de datos, usando como base información
provenientes de las plataformas Wyscout y Transfermarkt.
En una primera etapa, se seleccionarán los datos, para luego ser limpiados y
transformados. Con posterioridad se realizará un análisis exploratorio de datos (EDA) para
entender la estructura y las características del dataset, el cual incluye en torno a cien
variables de desempeño individual como goles, asistencias y recuperaciones de balón, más
otras características contractuales y de mercado.
Posteriormente se utilizarán técnicas de selección de características para incorporar sólo
las características más relevantes a los modelos que se desarrollarán.
Finalmente, la etapa del modelamiento implicará entrenar los algoritmos Random Forest
y XGBoost con la búsqueda de sus mejores hiperparámetros mediante validación cruzada.
El objetivo es desarrollar un modelo que sea capaz de predecir con precisión el valor de
mercado de un jugador.
En síntesis, este proyecto combina técnicas de analítica de datos, aprendizaje automático
y conocimiento del deporte para poder abordar y dar respuesta a una pregunta de gran importancia en la industria del futbol contemporáneo: ¿cómo podemos cuantificar de
forma objetiva, precisa y rápida el valor de mercado de un jugador?
Description
Proyecto de grado presentado a la Facultad de Ingeniería de la Universidad del Desarrollo para optar al grado académico de Magíster en Data Science
item.page.coverage.spatial
Santiago
item.page.sponsorship
Citation
Keywords
070037S, Futbol, Valor de mercado, Wyscout, Transfermarkt, EDA, Aprendizaje automático, Random forest, XGBoost