Soporte algorítmico en la conformación de planteles digitales para competencias oficiales de FIFA EA-SPORTS® : Técnicas de Machine Learning como propuesta a deportistas electrónicos para predecir el rating de jugadores

El videojuego FIFA EA-Sports ® es un simulador virtual de partidos de fútbol, en el cual el usuario puede seleccionar a su equipo de preferencia disponiendo de sus nombres, escudos, estadios y jugadores oficiales fruto de las licencias adquiridas a lo largo del tiempo (Electronic Arts, 2021). Desde...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autor principal:	Oleksikiw, Matías Andrés
Otros Autores:	Cantoni Rabolini, Nélida Mónica
Publicado:	2023
Materias:	Modelos predictivos Análisis multivariante Planteles Digitales Competencias FIFA EA-SPORTS® Ultimate Team Industria de los videojuegos
Acceso en línea:	http://bibliotecadigital.econ.uba.ar/econ/collection/tpos/document/1502-2438_OleksikiwMA http://repositoriouba.sisbi.uba.ar/gsdl/cgi-bin/library.cgi?a=d&c=tpos&d=1502-2438_OleksikiwMA_oai
Aporte de:	Repositorio Digital de la Universidad de Buenos Aires (UBA) de Universidad de Buenos Aires

id	I28-R145-1502-2438_OleksikiwMA_oai
record_format	dspace
spelling	I28-R145-1502-2438_OleksikiwMA_oai2023-08-29 Cantoni Rabolini, Nélida Mónica Oleksikiw, Matías Andrés 2023 El videojuego FIFA EA-Sports ® es un simulador virtual de partidos de fútbol, en el cual el usuario puede seleccionar a su equipo de preferencia disponiendo de sus nombres, escudos, estadios y jugadores oficiales fruto de las licencias adquiridas a lo largo del tiempo (Electronic Arts, 2021). Desde sus inicios hasta el presente, el simulador es considerado como una insignia de la industria de los videojuegos y principal impulsor de las competencias de deportes electrónicos (“E-Sports”). El marcado interés por parte de sus consumidores y la creciente popularidad en las competencias virtuales, conocidas como FIFA GLOBAL SERIES – ULTIMATE TEAM ®, (Electronic Arts, EA Games, 2021) han dinamizado el desarrollo de un rentable negocio para gestar un nuevo oficio pago: el deportista electrónico. Como consecuencia de la elevada exigencia y dificultad de los torneos digitales, se dio origen a la conformación de equipos profesionales para potenciar el entrenamiento y resultados esperados. Entre los más exitosos se destacan “DUX”, “DIRE WOLVES”, “FALCONS”, “FOKUS CLAN” y “NEO”. Contar con un amplio conocimiento acerca de la mecánica con la que opera el simulador para calificar / valorar a cada componente virtual (jugador - plantel), resulta un factor clave en la estrategia de cada equipo profesional a fin de maximizar su rendimiento. En tal sentido, el objetivo general del presente trabajo final de especialización es analizar la variación de las variables en todas las versiones del videojuego y cómo afectan al rating global de cada jugador para predecir el modo en que dicha métrica se comportará en el siguiente período. 1502-2438_OleksikiwMA http://bibliotecadigital.econ.uba.ar/econ/collection/tpos/document/1502-2438_OleksikiwMA Modelos predictivos Análisis multivariante Planteles Digitales Competencias FIFA EA-SPORTS® Ultimate Team Industria de los videojuegos Soporte algorítmico en la conformación de planteles digitales para competencias oficiales de FIFA EA-SPORTS® : Técnicas de Machine Learning como propuesta a deportistas electrónicos para predecir el rating de jugadores http://repositoriouba.sisbi.uba.ar/gsdl/cgi-bin/library.cgi?a=d&c=tpos&d=1502-2438_OleksikiwMA_oai
institution	Universidad de Buenos Aires
institution_str	I-28
repository_str	R-145
collection	Repositorio Digital de la Universidad de Buenos Aires (UBA)
topic	Modelos predictivos Análisis multivariante Planteles Digitales Competencias FIFA EA-SPORTS® Ultimate Team Industria de los videojuegos
spellingShingle	Modelos predictivos Análisis multivariante Planteles Digitales Competencias FIFA EA-SPORTS® Ultimate Team Industria de los videojuegos Oleksikiw, Matías Andrés Soporte algorítmico en la conformación de planteles digitales para competencias oficiales de FIFA EA-SPORTS® : Técnicas de Machine Learning como propuesta a deportistas electrónicos para predecir el rating de jugadores
topic_facet	Modelos predictivos Análisis multivariante Planteles Digitales Competencias FIFA EA-SPORTS® Ultimate Team Industria de los videojuegos
description	El videojuego FIFA EA-Sports ® es un simulador virtual de partidos de fútbol, en el cual el usuario puede seleccionar a su equipo de preferencia disponiendo de sus nombres, escudos, estadios y jugadores oficiales fruto de las licencias adquiridas a lo largo del tiempo (Electronic Arts, 2021). Desde sus inicios hasta el presente, el simulador es considerado como una insignia de la industria de los videojuegos y principal impulsor de las competencias de deportes electrónicos (“E-Sports”). El marcado interés por parte de sus consumidores y la creciente popularidad en las competencias virtuales, conocidas como FIFA GLOBAL SERIES – ULTIMATE TEAM ®, (Electronic Arts, EA Games, 2021) han dinamizado el desarrollo de un rentable negocio para gestar un nuevo oficio pago: el deportista electrónico. Como consecuencia de la elevada exigencia y dificultad de los torneos digitales, se dio origen a la conformación de equipos profesionales para potenciar el entrenamiento y resultados esperados. Entre los más exitosos se destacan “DUX”, “DIRE WOLVES”, “FALCONS”, “FOKUS CLAN” y “NEO”. Contar con un amplio conocimiento acerca de la mecánica con la que opera el simulador para calificar / valorar a cada componente virtual (jugador - plantel), resulta un factor clave en la estrategia de cada equipo profesional a fin de maximizar su rendimiento. En tal sentido, el objetivo general del presente trabajo final de especialización es analizar la variación de las variables en todas las versiones del videojuego y cómo afectan al rating global de cada jugador para predecir el modo en que dicha métrica se comportará en el siguiente período.
author2	Cantoni Rabolini, Nélida Mónica
author_facet	Cantoni Rabolini, Nélida Mónica Oleksikiw, Matías Andrés
author	Oleksikiw, Matías Andrés
author_sort	Oleksikiw, Matías Andrés
title	Soporte algorítmico en la conformación de planteles digitales para competencias oficiales de FIFA EA-SPORTS® : Técnicas de Machine Learning como propuesta a deportistas electrónicos para predecir el rating de jugadores
title_short	Soporte algorítmico en la conformación de planteles digitales para competencias oficiales de FIFA EA-SPORTS® : Técnicas de Machine Learning como propuesta a deportistas electrónicos para predecir el rating de jugadores
title_full	Soporte algorítmico en la conformación de planteles digitales para competencias oficiales de FIFA EA-SPORTS® : Técnicas de Machine Learning como propuesta a deportistas electrónicos para predecir el rating de jugadores
title_fullStr	Soporte algorítmico en la conformación de planteles digitales para competencias oficiales de FIFA EA-SPORTS® : Técnicas de Machine Learning como propuesta a deportistas electrónicos para predecir el rating de jugadores
title_full_unstemmed	Soporte algorítmico en la conformación de planteles digitales para competencias oficiales de FIFA EA-SPORTS® : Técnicas de Machine Learning como propuesta a deportistas electrónicos para predecir el rating de jugadores
title_sort	soporte algorítmico en la conformación de planteles digitales para competencias oficiales de fifa ea-sports® : técnicas de machine learning como propuesta a deportistas electrónicos para predecir el rating de jugadores
publishDate	2023
url	http://bibliotecadigital.econ.uba.ar/econ/collection/tpos/document/1502-2438_OleksikiwMA http://repositoriouba.sisbi.uba.ar/gsdl/cgi-bin/library.cgi?a=d&c=tpos&d=1502-2438_OleksikiwMA_oai
work_keys_str_mv	AT oleksikiwmatiasandres soportealgoritmicoenlaconformaciondeplantelesdigitalesparacompetenciasoficialesdefifaeasportstecnicasdemachinelearningcomopropuestaadeportistaselectronicosparapredecirelratingdejugadores
_version_	1782032694854549504

Soporte algorítmico en la conformación de planteles digitales para competencias oficiales de FIFA EA-SPORTS® : Técnicas de Machine Learning como propuesta a deportistas electrónicos para predecir el rating de jugadores

Ejemplares similares