04.1 - Graduação (UAG)
URI permanente desta comunidadehttps://arandu.ufrpe.br/handle/123456789/2948
Navegar
2 resultados
Resultados da Pesquisa
Item Aplicativo para sorteio de jogadores na formação de equipes em esportes coletivos(2019) Almeida, Luiz Alberes Bispo de; Carvalho, Tiago Buarque Assunção de; http://lattes.cnpq.br/7150833804013500Neste relatório é apresentado o Sem Panelinha, um aplicativo para sorteio de jogadores na formação de equipes para esportes coletivos, com ênfase no futebol. Com o Sem Panelinha, o usuário pode escolher três tipos de sorteios: Aleatório, que distribui os jogadores para as equipes sem nenhum critério; Por Cabeças de Chave, que não permite que os jogadores definidos como Cabeças de Chave fiquem na mesma equipe; e Por Estrelas, onde é possível dar uma nota através da quantidade de estrelas para cada um dos jogadores. A partir da escolha de um desses sorteios são cadastrados os jogadores participantes e ao fim do processo de cadastro, as equipes serão formadas. Dentre os benefícios do sistema, destacam-se: praticidade, agilidade e poder de escolha. O aplicativo foi implementado utilizando o Android Studio, com o banco de dados local feito pelo SQLite. Além disso, técnicas de Engenharia de Software e de Banco de Dados foram utilizadas para um melhor desenvolvimento do projeto. Durante o processo de modelagem, reuniões com usuários e visitas aos locais de evento possibilitaram a criação de requisitos, atendendo às necessidades dos usuários. Foram realizados teste unitários que indicaram um bom funcionamento do sistema. Por fim, todos os requisitos propostos foram atendidos e o sistema encontra-se em funcionamento, passando por teste de usabilidade.Item Previsão de resultados de jogos do campeonato brasileiro de futebol utilizando aprendizagem de máquina(2019-02-05T02:00:00Z) Almeida, Luiz Alberes Bispo de; Carvalho, Tiago Buarque Assunção de; http://lattes.cnpq.br/7150833804013500Nos últimos anos a procura pelas apostas esportivas tem crescido, e diversas pessoas passaram a viver desse mercado. Usando a Aprendizagem de Máquina com o objetivo de facilitar a análise de jogos para apostas e medir o lucro, foi criada uma base de dados do Campeonato Brasileiro de Futebol Série A 2017 envolvendo características das duas equipes que se enfrentam e da partida. Para testar em um modelo de avaliação foi escolhida a técnica de Naive Bayes simulando uma rodada do Campeonato Brasileiro, a qual contém 10 partidas. O modelo de avaliação foi executado sem restrição de probabilidade correta e com restrições de probabilidade correta, com o objetivo de reduzir os erros. Três cenários foram utilizados no modelo de avaliação, sendo o primeiro com duas classes que consideram a marcação de gols por ambos os times, o segundo que considera o total de gols que aconteceram na partida (acima ou abaixo de 2,5 gols), e o terceiro que considera os três tipos de resultados na partida (vitória do mandante, empate e vitória do visitante). Os resultados sem restrição de probabilidade atingiram o seu maior valor em 5,51% de lucro médio e total. Enquanto para os resultados com restrição de probabilidade, o melhor resultado de lucro médio foi de 36,05%, e para lucro total foi de 39,13%, ambos para a restrição de 99% de probabilidade correta.