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...
Guardado en:
Autor principal: | |
---|---|
Otros Autores: | |
Publicado: |
2023
|
Materias: | |
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: |
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 |