Visión: Desarrollo de un modelo de inteligencia artificial para identificar patrones de visión en equipos esports a nivel profesional, pertenecientes a la League Of Legends European Championship (LEC) de la temporada número 10

Vista sencilla de ítem
dc.contributor.advisorEspinosa Carreño, María Alexandra
dc.contributor.advisorJurado García, Miguel Eugenio
dc.contributor.apolounabEspinosa Carreño, María Alexandra [maria-alexandra-espinosa-carreño]spa
dc.contributor.authorMantilla Molano, Cristian Augusto
dc.contributor.cvlacEspinosa Carreño, María Alexandra [0001495409]spa
dc.contributor.cvlacJurado García, Miguel Eugenio [0001691975]spa
dc.contributor.googlescholarJurado García, Miguel Eugenio [es&oi=ao]spa
dc.contributor.googlescholarEspinosa Carreño, María Alexandra [Ve6S8ocAAAAJ&hl]spa
dc.contributor.orcidEspinosa Carreño, María Alexandra [0000-0003-1411-0828]spa
dc.contributor.orcidJurado García, Miguel Eugenio [0000-0002-2653-249X]spa
dc.contributor.researchgateEspinosa Carreño, María Alexandra [Maria-Espinosa-C]spa
dc.coverage.campusUNAB Campus Bucaramangaspa
dc.coverage.spatialBucaramanga (Santander, Colombia)spa
dc.coverage.temporal2021spa
dc.date.accessioned2022-02-28T13:25:49Z
dc.date.available2022-02-28T13:25:49Z
dc.date.issued2021
dc.degree.nameIngeniero de Sistemasspa
dc.description.abstractPara inicios del 2015 la firma de estudios de mercado Newzoo estimó un ingreso por deportes electrónicos de 2.22 dólares anuales por cada entusiasta (alrededor de 0.28 billones de dólares), lo cual representa un crecimiento importante del producto interno bruto (PIB) en comparación con los deportes tradicionales indicando el tamaño potencial económico de esta escena competitiva. Para el 2020, a pesar de la pandemia SASR-Cov-2 el crecimiento exponencial se mantuvo llegando a una generación de 7.5 billones de dólares, demostrando una nueva oportunidad de negocio en cualquier región. En el caso puntual de League Of Legends, es un esports transmitido en 19 idiomas, cuyo evento mundial en el 2019 llegó a un pico de espectadores de 200 millones (logrando el doble de audiencia del super bowl edición 2018).Después de todos estos datos, no es raro evaluar las franquicias de organizaciones como Cloud9, Team Solo Mid y Team Liquid en 200 a 300 millones de dólares, superando a clubes de fútbol tan reconocidos como River plate(219 millones de dólares) o Boca juniors (213 millones de dólares). Pese al auge económico en esta escena competitiva, Latinoamérica ha estado imposibilitada de alcanzar un desempeño reconocible en comparación a otros continentes, considerando que parte del problema son las pocas herramientas tecnológicas que cuentan para desarrollar un esquema que le permita competir con otros equipos, en parte por la desarticulación que tiene con el mundo académico. Es por eso que el propósito de este proyecto es generar una herramienta basada en inteligencia artificial, para reconocer los patrones de visión de equipos en continentes con un mejor desempeño a nivel mundial con el fin de ayudar a los equipos latinoamericanos a la toma de decisiones más rápidas y precisas en base a esta información.spa
dc.description.abstractenglishFor the beginning of 2015, the market research firm Newzoo estimated an income from esports of 2.22 dollars per year per enthusiast (around 0.28 billion dollars), which represents a significant growth in gross domestic product (GDP) compared to the traditional sports indicating the potential economic size of this competitive scene. By 2020, despite the SASR-Cov-2 pandemic, exponential growth continued, reaching a generation of 7.5 billion dollars, demonstrating a new business opportunity in any region. In the specific case of League Of Legends, it is an esports broadcast in 19 languages, whose world event in 2019 reached a peak of viewers of 200 million (achieving twice the audience of the 2018 super bowl edition). After all these data , it is not uncommon to value the franchises of organizations such as Cloud9, Team Solo Mid and Team Liquid at 200 to 300 million dollars, surpassing such well-known soccer clubs as River Plate ($219 million) or Boca Juniors ($213 million). ). Despite the economic boom in this competitive scene, Latin America has been unable to achieve a recognizable performance compared to other continents, considering that part of the problem is the few technological tools they have to develop a scheme that allows them to compete with other teams, partly because of the disarticulation it has with the academic world. That is why the purpose of this project is to generate a tool based on artificial intelligence, to recognize the vision patterns of teams in continents with a better performance worldwide in order to help Latin American teams to make better decisions. quickly and accurately based on this information.spa
dc.description.degreelevelPregradospa
dc.description.learningmodalityModalidad Presencialspa
dc.description.tableofcontents1. PLANTEAMIENTO DEL PROBLEMA Y JUSTIFICACIÓN 8 1.1. Planteamiento del problema 8 1.2. Árbol del problema 9 1.3. Justificación 13 2. OBJETIVOS 14 2.1. Objetivo general 14 2.2. Objetivo especifico 14 2.3. Resultados Esperados 15 3. MARCO CONCEPTUAL 16 3.1. E-sports 16 3.1.1. MOBA 16 3.1.2. League of legends 16 3.1.3. League of Legends World Championship 17 3.1.4. Play-in 17 3.1.5. Meta 18 3.2. Inteligencia artificial 18 3.2.1. Machine Learning 18 3.2.2. Aprendizaje supervisado 19 3.2.3. Aprendizaje no supervisado 19 3.2.4. Modelos usados en el estado del arte 19 4. Marco Teórico 23 4.1. Limpieza de datos 23 4.2. Análisis de datos 23 4.2.1. Weight of Evidence (WoE) 23 4.2.2. Information Value (IV) 24 4.2.3. Outlier 25 4.2.4. AutoML 25 4.2.4.1. H2O AI 26 4.3. Métricas de evaluación 26 4.3.1. F1Score 26 4.3.2. Área bajo la curva de precisión- recuperación (AUCPR) 27 5. ESTADO DEL ARTE Y ANTECEDENTES 28 Resumen del estado del arte y antecedentes 32 6. METODOLOGÍA 35 6.1. CRISP-DM 35 6.1.1. Business Understanding: Fase de comprensión del negocio o problema 35 6.1.1.1. RSL DANDELION 35 6.1.1.1.1. Objetivo de investigación 36 6.1.1.1.2. Diseño de protocolos 38 6.1.1.1.3. Criterios de calidad 39 6.1.1.1.4. Extracción de datos y analítica de resultados 40 6.1.2. Data Understanding: Fase de comprensión de los datos 40 6.1.2.1. Obtención de datos 40 6.1.3. Data Preparation: Fase de preparación de los datos 41 6.1.3.1. Limpieza de datos 41 6.1.3.2. Descripción de variables 42 6.1.3.3. Análisis de datos 44 6.1.3.3.1. Análisis de Variables 44 6.1.3.3.2. Análisis de Outliers 51 6.1.3.3.3. Análisis del WoE e IV 53 6.1.4. Modeling: Fase de modelado 54 6.1.4.3. Diseño de modelos 54 6.1.4.3.1. Diseño de modelos con H2O AutoML 55 6.1.4.3.2. Análisis de modelos 55 6.1.5. Evaluation: Fase de evaluación 58 6.1.5.3. Evaluación de modelos 58 6.1.5.3.1. Evaluación de métricas de entrenamiento 59 6.1.5.3.2. Evaluación de métricas con datos reales 59 6.1.6. Deployment: Fase de implementación 61 6.1.6.3.1. Interpretación de la imagen 62 7. CONCLUSIONES 64spa
dc.format.mimetypeapplication/pdfspa
dc.identifier.instnameinstname:Universidad Autónoma de Bucaramanga - UNABspa
dc.identifier.reponamereponame:Repositorio Institucional UNABspa
dc.identifier.repourlrepourl:https://repository.unab.edu.cospa
dc.identifier.urihttp://hdl.handle.net/20.500.12749/15733
dc.language.isospaspa
dc.publisher.facultyFacultad Ingenieríaspa
dc.publisher.grantorUniversidad Autónoma de Bucaramanga UNABspa
dc.publisher.programPregrado Ingeniería de Sistemasspa
dc.relation.references[1] Lolesports Staff, “2019 World Championship Hits Record Viewership,” Leagueoflegends.Com, 2020. https://nexus.leagueoflegends.com/en-us/2019/12/2019-world- championship-hits-record-viewership/.spa
dc.relation.references[2] A. Stedman, “Overwatch League’s Grand Finals Grows 16% in Average Viewers From Last Year,” variety.com, 2019.spa
dc.relation.references[3] Sergey Yakimenko, “Viewership results of The International 2019,” escharts.com, 2019. https://escharts.com/blog/results-the-international-2019.spa
dc.relation.references[4] M. Díaz, “E-Sports en Colombia: ¿son o no un deporte?,” ghersports.com, 2020. https://ghersports.com/e-sports-colombia-no-un-deporte/.spa
dc.relation.references[5] J. P. Pérez Tejada, “La profesionalización de los eSports en Latinoamérica,” http://newtechmag.net/, 2019. http://newtechmag.net/es/2019/06/30/la-profesionalizacion-de- los-esports-en-latinoamerica/.spa
dc.relation.references[6] M. HAWTHORNE, “Esports Are Becoming a Global Phenomenon, But Some Countries are More Receptive Than Others,” esportsinsights.com, 2020. https://esportsinsights.com/featured/esports-around-the-world/.spa
dc.relation.references[7] esportsbar Newzoo, “the Esports Business in the Americas,” 2019.spa
dc.relation.references[8] esportsbar Newzoo, “Key Numbers,” newzoo.com, 2020. https://newzoo.com/key-numbers/.spa
dc.relation.references[9] E. BAR, “Insights into latin america’s eSports Fans,” 2019.spa
dc.relation.references[10] B. Ofoghi, J. Zeleznikow, C. MacMahon, and M. Raab, “Data mining in elite sports: A review and a framework,” Meas. Phys. Educ. Exerc. Sci., vol. 17, no. 3, pp. 171–186, 2013, doi: 10.1080/1091367X.2013.805137.spa
dc.relation.references[11] A. Pedrassoli Chitayat et al., WARDS: Modelling the Worth of Vision in MOBA’s, vol. 1229 AISC. Springer International Publishing, 2020.spa
dc.relation.references[12] J. Hamari and M. Sjöblom, “What is eSports and why do people watch it?,” Internet Res., vol. 27, no. 2, pp. 211–232, 2017, doi: 10.1108/IntR-04-2016-0085.spa
dc.relation.references[13] M. Mora-Cantallops and M. Á. Sicilia, “MOBA games: A literature review,” Entertain.spa
dc.relation.references[14] esportsbar Newzoo, “Most Popular Core PC Games | Global,” newzoo.com, 2020. https://newzoo.com/insights/rankings/top-20-core-pc-games/.spa
dc.relation.references[15] A. R. Novak, K. J. M. Bennett, M. A. Pluss, and J. Fransen, “Performance analysis in esports: modelling performance at the 2018 League of Legends World Championship,” Int. J. Sport. Sci. Coach., vol. 15, no. 5–6, pp. 809–817, 2020, doi: 10.1177/1747954120932853.spa
dc.relation.references[16] Riot games, “2020 World Championship Rules,” 2020.spa
dc.relation.references[17] A. Macabasco, “How to Understand the Meta in League of Legends,” mobalytics.gg, 2018. https://mobalytics.gg/blog/how-to-understand-league-of-legend-meta/.spa
dc.relation.references[18] B. L. Takeyas, “Introducción a la inteligencia artificial,” 23, vol. 12, no. 32, p. 1, 2007.spa
dc.relation.references[19] J. Han, M. Kamber, and J. Pei, “Data Mining Techniques, Third Edition,” p. 847, 2011.spa
dc.relation.references[20] Y. Lecun, Y. Bengio, and G. Hinton, “Deep learning,” Nature, vol. 521, no. 7553, pp. 436– 444, 2015, doi: 10.1038/nature14539.spa
dc.relation.references[21] D. J. Matich, “Redes Neuronales: Conceptos Básicos y Aplicaciones.,” Historia Santiago., p. 55, 2001, [Online]. Available: ftp://decsai.ugr.es/pub/usuarios/castro/Material-Redes- Neuronales/Libros/matich-redesneuronales.pdf.spa
dc.relation.references[22] I. N. Yulita, M. I. Fanany, and A. M. Arymuthy, “Bi-directional Long Short-Term Memory using Quantized data of Deep Belief Networks for Sleep Stage Classification,” Procedia Comput. Sci., vol. 116, pp. 530–538, 2017, doi: 10.1016/j.procs.2017.10.042.spa
dc.relation.references[23] K. Greff, R. K. Srivastava, J. Koutník, B. R. Steunebrink, and J. Schmidhuber, “TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS 1 LSTM: A Search Space Odyssey,” arXiv:1503.04069, pp. 1–11, 2015, [Online]. Available: https://arxiv.org/pdf/1503.04069.pdf.spa
dc.relation.references[24] L. Rokach, “Ensemble-based classifiers,” Artif. Intell. Rev., vol. 33, no. 1–2, pp. 1–39, 2010, doi: 10.1007/s10462-009-9124-7.spa
dc.relation.references[25] D. Whitley, “A genetic algorithm tutorial,” Stat. Comput., vol. 4, no. 2, pp. 65–85, 1994, doi: 10.1007/BF00175354.spa
dc.relation.references[26] M. Granik and V. Mesyura, “Fake News Detection Using Naive Bayes Classifier,” 2017, pp. 900–903.spa
dc.relation.references[27] T. Joachims, “Text Categorization with SVM: Learning with Many Relevant Features,” Eur. Conf. Mach. Learn., pp. 137–142, 2005.spa
dc.relation.references[28] C. B. Browne et al., “A Survey of Monte Carlo Tree Search Methods,” IEEE Trans. Comput. Intell. AI GAMES, vol. 4, no. 1, 2012.spa
dc.relation.references[29] MacQueen, James and others, “Some methods for classification and analysis of multivariate observations,” Proc. fifth Berkeley Symp. Math. Stat. Probab., vol. 1, no. 14, pp. 281–297, 1967, [Online]. Available: http://books.google.de/books?hl=de&lr=&id=IC4Ku_7dBFUC&oi=fnd&pg=PA281&dq=M acQueen+some+methods+for+classification&ots=nNTcK1IdoQ&sig=fHzdVcbvmYJ- lTNHu1HncmOFOkM#v=onepage&q=MacQueen some methods for classification&f=false.spa
dc.relation.references[30] R. Gandhi, “Introduction to Machine Learning Algorithms: Linear Regression,” towardsdatascience.com, 2018. https://towardsdatascience.com/introduction-to-machine- learning-algorithms-linear-regression-14c4e325882a.spa
dc.relation.references[31] A. Pant, “Introduction to Logistic Regression,” towardsdatascience.com, 2019. https://towardsdatascience.com/introduction-to-logistic-regression-66248243c148.spa
dc.relation.references[32] S. R. Eddy, “Hidden Markov models,” Curr. Opin. Struct. Biol., vol. 6, no. 3, pp. 361–365, 1996, doi: 10.1016/S0959-440X(96)80056-X.spa
dc.relation.references[33] J. V. Román, “CRISP-DM: La metodología para poner orden en los proyectos,” www.sngular.com, 2016. www.sngular.com/es/data-science-crisp-dm-metodologia/.spa
dc.relation.references[34] E. Rahm and H. H. Do, “Data Cleaning: Problems and Current Approaches,” Bull. Tech. Comm. Data Eng., vol. 24, no. 4, pp. 2–13, 2001, [Online]. Available: papers2://publication/uuid/30073F7F-1B7C-4496-ADA4-94FF4E6EE8F7.spa
dc.relation.references[35] B. Deepanshu, “WEIGHT OF EVIDENCE (WOE) AND INFORMATION VALUE (IV) EXPLAINED,” listendata, 2015. https://www.listendata.com/2015/03/weight-of-evidence- woe-and-information.html.spa
dc.relation.references[36] D. M. Hawkins, Identification of Outliers. 1980.spa
dc.relation.references[37] C. C. Aggarwal, “Outlier Analysis,” in Data Mining, vol. 1, no. 1, 2015, p. 746.spa
dc.relation.references[38] M. A. Zöller and M. F. Huber, “Benchmark and Survey of Automated Machine Learning Frameworks,” J. Artif. Intell. Res., vol. 70, pp. 409–472, 2021, doi: 10.1613/JAIR.1.11854.spa
dc.relation.references[39] H2O, “Performance and prediction,” docs.h2o.ai, 2019.spa
dc.relation.references[40] J. A. Gallardo Arancibia, “Metodología para la definición de requisitos en proyectos de data mining (ER-DM),” p. 317, 2009, [Online]. Available: http://oa.upm.es/1946/1/JOSE_ALBERTO_GALLARDO_ARANCIBIA.pdf.spa
dc.relation.references[41] M. A. E. C, E. R. R, L. Y. F. G, and C. D. Guerrero, “DANDELION : Propuesta metodológica para recopilación y análisis de información de artículos científicos . Un enfoque desde la bibliometría y la revisión sistemática de la literatura .,” pp. 110–123, 2020.spa
dc.relation.references[42] Speedtest, “Speedtest Global Index,” www.speedtest.net, 2020. https://www.speedtest.net/global-index.spa
dc.relation.references[43] M. Claypool, “The effect of latency on user performance in Real-Time Strategy games,” Comput. Networks, vol. 49, no. 1, pp. 52–70, 2005, doi: 10.1016/j.comnet.2005.04.008.spa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.rights.localAbierto (Texto Completo)spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.subject.keywordsSystems engineerspa
dc.subject.keywordsTechnological innovationsspa
dc.subject.keywordsLeague of legendsspa
dc.subject.keywordsDevelopingspa
dc.subject.keywordsResearchspa
dc.subject.keywordsArtificial intelligencespa
dc.subject.keywordsVision patternsspa
dc.subject.keywordsTournamentspa
dc.subject.keywordsOnline gamesspa
dc.subject.keywordsSimulation methodsspa
dc.subject.keywordsMachine theoryspa
dc.subject.lembIngeniería de sistemasspa
dc.subject.lembInnovaciones tecnológicasspa
dc.subject.lembDesarrollospa
dc.subject.lembInvestigaciónspa
dc.subject.lembMétodos de simulaciónspa
dc.subject.lembTeoría de las máquinasspa
dc.subject.proposalInteligencia artificialspa
dc.subject.proposalPatrones de visiónspa
dc.subject.proposalTorneospa
dc.subject.proposalJuegos onlinespa
dc.titleVisión: Desarrollo de un modelo de inteligencia artificial para identificar patrones de visión en equipos esports a nivel profesional, pertenecientes a la League Of Legends European Championship (LEC) de la temporada número 10spa
dc.title.translatedVision: Development of an artificial intelligence model to identify vision patterns in esports teams at a professional level, belonging to the League Of Legends European Championship (LEC) of season number 10spa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersion
dc.type.localTrabajo de Gradospa
dc.type.redcolhttp://purl.org/redcol/resource_type/TP

Archivos

Bloque original

Mostrando 1 - 2 de 2
Miniatura
Nombre:
2021_Tesis_Mantilla_Molano_Cristian_Augusto.pdf
Tamaño:
2.7 MB
Formato:
Adobe Portable Document Format
Descripción:
Tesis
Descargar
Miniatura
Nombre:
2021_Licencia_Mantilla_Molano_Cristian_Augusto.pdf
Tamaño:
94.5 KB
Formato:
Adobe Portable Document Format
Descripción:
Licencia
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
829 B
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Pregrado Ingeniería de Sistemas