Sistema de predição de escanteios asiáticos utilizando redes neurais artificiais

Gusmão, Rafael de Almeida Viana (2024-02-27)

tcc

RESUMO: Apostas esportivas têm ganhado considerável notoriedade nos últimos anos, despertando interesse em muitas pessoas ao redor do mundo, devido ao potencial de ganhos financeiros e à diversidade de modalidades e mercados disponíveis. Entretanto, alcançar lucratividade consistente a longo prazo é um desafio para os apostadores, principalmente por conta da imprevisibilidade dos eventos esportivos, da complexidade e das correlações entre as variáveis envolvidas, que nem sempre é evidente. Nesse contexto, a análise de dados desempenha um papel fundamental na busca por estratégias mais eficazes. Dentre as diversas opções de apostas, o mercado de escanteios asiáticos se destaca como uma alternativa atraente e desafiadora para aqueles que acompanham o futebol. Caracterizado por sua natureza dinâmica e potencial atrativo de rendimentos, esse mercado exige uma compreensão mais detalhada das equipes, seus estilos de jogo e outros fatores que influenciam diretamente o número de escanteios em uma partida. Diante desses desafios, este trabalho propõe a utilização de um web scraper para extração de dados relacionados a partidas de futebol a partir de websites confiáveis de estatísticas esportivas e o uso de técnicas de aprendizado de máquina, mais especificamente, utilizando redes neurais artificiais para realizar predições em apostas esportivas no mercado de escanteios asiáticos. Essa abordagem, implementada por meio de modelos do tipo Multi-Layer Perceptron (MLP), visa desenvolver um sistema de classificação binária para realizar predições no mercado de escanteios asiáticos. A partir da análise de dados históricos de competições ao redor de todo o mundo, busca-se identificar padrões e tendências ocultas que possam ser indicativos de acontecimentos futuros e, consequentemente, servir de base para os apostadores. A aplicação desses modelos baseados em redes neurais tem o objetivo de permitir que os apostadores tomem decisões embasadas, aumentando suas chances de sucesso. Ao modelar os dados e realizar previsões em partidas futuras, espera-se que esse sistema de predição auxilie os apostadores a maximizarem seus retornos financeiros. A pesquisa realizada contribuirá para uma melhor compreensão do uso de aprendizado de máquina no contexto das apostas esportivas, bem como para a aplicação prática dessas técnicas no mercado de escanteios asiáticos.

ABSTRACT: Sports betting has gained considerable prominence in recent years, attracting interest from many people around the world due to the potential for financial gains and the diversity of available sports and markets. However, achieving consistent long-term profitability is a challenge for bettors, mainly due to the unpredictability of sporting events, the complexity and correlations among the variables involved, which are not always evident. In this context, data analysis plays a fundamental role in the search for more effective strategies. Among the various betting options, the Asian corner kick market stands out as an attractive and challenging alternative for those who follow soccer. Characterized by its dynamic nature and attractive potential for returns, this market requires a more detailed understanding of the teams, their playing styles, and other factors that directly influence the number of corner kicks in a match. Faced with these challenges, this work proposes the use of a web scraper to extract data related to football matches from reliable sports statistics websites and the application of machine learning techniques, specifically utilizing artificial neural networks to make predictions in sports betting in the Asian corner kick market. This approach, implemented through Multi-Layer Perceptron (MLP) models, aims to develop a binary classification system for making predictions in the Asian corner kick market. By analyzing historical data from competitions worldwide, the goal is to identify patterns and hidden trends that may be indicative of future events and, consequently, serve as a basis for bettors. The application of these neural network-based models aims to enable bettors to make informed decisions, increasing their chances of success. By modeling the data and making predictions on future matches, it is expected that this prediction system will assist bettors in maximizing their financial returns. The research conducted will contribute to a better understanding of the use of machine learning in the context of sports betting, as well as to the practical application of these techniques in the Asian corner kick market.


Collections: