Koneoppimisen hyödyntäminen lupaavien jalkapalloilijoiden etsinnässä

Koneoppiminen jaetaan karkeasti valvomattomiin ja valvottuihin lähestymistapoihin. Tutkielma keskittyy vertailemaan näitä koneoppimisen lähestymistapoja määrittääkseen, kumpi niistä on tehokkaampi jalkapalloilijoiden arvioinnissa. Tutkimuksessa selvitetään myös, mitkä koneoppimisalgoritmit toimisiva...

Täydet tiedot

Bibliografiset tiedot
Päätekijä: Peura, Samuli
Muut tekijät: Informaatioteknologian tiedekunta, Faculty of Information Technology, Informaatioteknologia, Information Technology, Jyväskylän yliopisto, University of Jyväskylä
Aineistotyyppi: Kandityö
Kieli:fin
Julkaistu: 2024
Aiheet:
Linkit: https://jyx.jyu.fi/handle/123456789/95663
_version_ 1826225801008250880
author Peura, Samuli
author2 Informaatioteknologian tiedekunta Faculty of Information Technology Informaatioteknologia Information Technology Jyväskylän yliopisto University of Jyväskylä
author_facet Peura, Samuli Informaatioteknologian tiedekunta Faculty of Information Technology Informaatioteknologia Information Technology Jyväskylän yliopisto University of Jyväskylä Peura, Samuli Informaatioteknologian tiedekunta Faculty of Information Technology Informaatioteknologia Information Technology Jyväskylän yliopisto University of Jyväskylä
author_sort Peura, Samuli
datasource_str_mv jyx
description Koneoppiminen jaetaan karkeasti valvomattomiin ja valvottuihin lähestymistapoihin. Tutkielma keskittyy vertailemaan näitä koneoppimisen lähestymistapoja määrittääkseen, kumpi niistä on tehokkaampi jalkapalloilijoiden arvioinnissa. Tutkimuksessa selvitetään myös, mitkä koneoppimisalgoritmit toimisivat parhaiten. Tulokset viittaavat siihen, että koneoppiminen tarjoaa tehokkaita työkaluja pelaajien arviointiprosessiin. Lisäksi erilaiset lähestymistavat toimivat eri tilanteissa riippuen käytettävissä olevasta datasta ja sen eheydestä. Tulokset kuitenkin painottavat valvomattoman lähestymistavan käyttöä pelaajien arviointiprosessissa. Machine learning is roughly divided to unsupervised and supervised approaches. The study focuses on comparing these machine learning approaches to determine which is more effective given the imbalanced and incomplete nature of football player data. The study also investigates which machine learning algorithms would work the best. Findings suggest that machine learning offers powerful tools for player evaluation process. Furthermore, different approaches work in different situations depending on available data and its integrity. However, study leans towards the use of unsupervised approach in the process of player evaluation.
first_indexed 2024-06-07T20:00:57Z
format Kandityö
free_online_boolean 1
fullrecord [{"key": "dc.contributor.advisor", "value": "Saksa, Tytti", "language": "", "element": "contributor", "qualifier": "advisor", "schema": "dc"}, {"key": "dc.contributor.author", "value": "Peura, Samuli", "language": "", "element": "contributor", "qualifier": "author", "schema": "dc"}, {"key": "dc.date.accessioned", "value": "2024-06-07T09:05:40Z", "language": null, "element": "date", "qualifier": "accessioned", "schema": "dc"}, {"key": "dc.date.available", "value": "2024-06-07T09:05:40Z", "language": null, "element": "date", "qualifier": "available", "schema": "dc"}, {"key": "dc.date.issued", "value": "2024", "language": "", "element": "date", "qualifier": "issued", "schema": "dc"}, {"key": "dc.identifier.uri", "value": "https://jyx.jyu.fi/handle/123456789/95663", "language": null, "element": "identifier", "qualifier": "uri", "schema": "dc"}, {"key": "dc.description.abstract", "value": "Koneoppiminen jaetaan karkeasti valvomattomiin ja valvottuihin l\u00e4hestymistapoihin. Tutkielma keskittyy vertailemaan n\u00e4it\u00e4 koneoppimisen l\u00e4hestymistapoja m\u00e4\u00e4ritt\u00e4\u00e4kseen, kumpi niist\u00e4 on tehokkaampi jalkapalloilijoiden arvioinnissa. Tutkimuksessa selvitet\u00e4\u00e4n my\u00f6s, mitk\u00e4 koneoppimisalgoritmit toimisivat parhaiten. Tulokset viittaavat siihen, ett\u00e4 koneoppiminen tarjoaa tehokkaita ty\u00f6kaluja pelaajien arviointiprosessiin. Lis\u00e4ksi erilaiset l\u00e4hestymistavat toimivat eri tilanteissa riippuen k\u00e4ytett\u00e4viss\u00e4 olevasta datasta ja sen eheydest\u00e4. Tulokset kuitenkin painottavat valvomattoman l\u00e4hestymistavan k\u00e4ytt\u00f6\u00e4 pelaajien arviointiprosessissa.", "language": "fi", "element": "description", "qualifier": "abstract", "schema": "dc"}, {"key": "dc.description.abstract", "value": "Machine learning is roughly divided to unsupervised and supervised approaches. The study focuses on comparing these machine learning approaches to determine which is more effective given the imbalanced and incomplete nature of football player data. The study also investigates which machine learning algorithms would work the best. Findings suggest that machine learning offers powerful tools for player evaluation process. Furthermore, different approaches work in different situations depending on available data and its integrity. However, study leans towards the use of unsupervised approach in the process of player evaluation.", "language": "en", "element": "description", "qualifier": "abstract", "schema": "dc"}, {"key": "dc.description.provenance", "value": "Submitted by Paivi Vuorio (paelvuor@jyu.fi) on 2024-06-07T09:05:40Z\nNo. of bitstreams: 0", "language": "en", "element": "description", "qualifier": "provenance", "schema": "dc"}, {"key": "dc.description.provenance", "value": "Made available in DSpace on 2024-06-07T09:05:40Z (GMT). No. of bitstreams: 0\n Previous issue date: 2024", "language": "en", "element": "description", "qualifier": "provenance", "schema": "dc"}, {"key": "dc.format.extent", "value": "18", "language": "", "element": "format", "qualifier": "extent", "schema": "dc"}, {"key": "dc.language.iso", "value": "fin", "language": null, "element": "language", "qualifier": "iso", "schema": "dc"}, {"key": "dc.rights", "value": "In Copyright", "language": "en", "element": "rights", "qualifier": null, "schema": "dc"}, {"key": "dc.title", "value": "Koneoppimisen hy\u00f6dynt\u00e4minen lupaavien jalkapalloilijoiden etsinn\u00e4ss\u00e4", "language": "", "element": "title", "qualifier": null, "schema": "dc"}, {"key": "dc.type", "value": "bachelor thesis", "language": null, "element": "type", "qualifier": null, "schema": "dc"}, {"key": "dc.identifier.urn", "value": "URN:NBN:fi:jyu-202406074425", "language": "", "element": "identifier", "qualifier": "urn", "schema": "dc"}, {"key": "dc.type.ontasot", "value": "Bachelor's thesis", "language": "en", "element": "type", "qualifier": "ontasot", "schema": "dc"}, {"key": "dc.type.ontasot", "value": "Kandidaatinty\u00f6", "language": "fi", "element": "type", "qualifier": "ontasot", "schema": "dc"}, {"key": "dc.contributor.faculty", "value": "Informaatioteknologian tiedekunta", "language": "fi", "element": "contributor", "qualifier": "faculty", "schema": "dc"}, {"key": "dc.contributor.faculty", "value": "Faculty of Information Technology", "language": "en", "element": "contributor", "qualifier": "faculty", "schema": "dc"}, {"key": "dc.contributor.department", "value": "Informaatioteknologia", "language": "fi", "element": "contributor", "qualifier": "department", "schema": "dc"}, {"key": "dc.contributor.department", "value": "Information Technology", "language": "en", "element": "contributor", "qualifier": "department", "schema": "dc"}, {"key": "dc.contributor.organization", "value": "Jyv\u00e4skyl\u00e4n yliopisto", "language": "fi", "element": "contributor", "qualifier": "organization", "schema": "dc"}, {"key": "dc.contributor.organization", "value": "University of Jyv\u00e4skyl\u00e4", "language": "en", "element": "contributor", "qualifier": "organization", "schema": "dc"}, {"key": "dc.subject.discipline", "value": "Tietotekniikka", "language": "fi", "element": "subject", "qualifier": "discipline", "schema": "dc"}, {"key": "dc.subject.discipline", "value": "Mathematical Information Technology", "language": "en", "element": "subject", "qualifier": "discipline", "schema": "dc"}, {"key": "yvv.contractresearch.funding", "value": "0", "language": "", "element": "contractresearch", "qualifier": "funding", "schema": "yvv"}, {"key": "dc.type.coar", "value": "http://purl.org/coar/resource_type/c_7a1f", "language": null, "element": "type", "qualifier": "coar", "schema": "dc"}, {"key": "dc.rights.accesslevel", "value": "openAccess", "language": null, "element": "rights", "qualifier": "accesslevel", "schema": "dc"}, {"key": "dc.type.publication", "value": "bachelorThesis", "language": null, "element": "type", "qualifier": "publication", "schema": "dc"}, {"key": "dc.subject.oppiainekoodi", "value": "602", "language": "", "element": "subject", "qualifier": "oppiainekoodi", "schema": "dc"}, {"key": "dc.subject.yso", "value": "koneoppiminen", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.subject.yso", "value": "jalkapallo", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.subject.yso", "value": "tietotekniikka", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.rights.url", "value": "https://rightsstatements.org/page/InC/1.0/", "language": null, "element": "rights", "qualifier": "url", "schema": "dc"}]
id jyx.123456789_95663
language fin
last_indexed 2025-02-18T10:54:58Z
main_date 2024-01-01T00:00:00Z
main_date_str 2024
online_boolean 1
online_urls_str_mv {"url":"https:\/\/jyx.jyu.fi\/bitstreams\/91c6b2a2-a623-4fbe-8968-3ae3246a3965\/download","text":"URN:NBN:fi:jyu-202406074425.pdf","source":"jyx","mediaType":"application\/pdf"}
publishDate 2024
record_format qdc
source_str_mv jyx
spellingShingle Peura, Samuli Koneoppimisen hyödyntäminen lupaavien jalkapalloilijoiden etsinnässä Tietotekniikka Mathematical Information Technology 602 koneoppiminen jalkapallo tietotekniikka
title Koneoppimisen hyödyntäminen lupaavien jalkapalloilijoiden etsinnässä
title_full Koneoppimisen hyödyntäminen lupaavien jalkapalloilijoiden etsinnässä
title_fullStr Koneoppimisen hyödyntäminen lupaavien jalkapalloilijoiden etsinnässä Koneoppimisen hyödyntäminen lupaavien jalkapalloilijoiden etsinnässä
title_full_unstemmed Koneoppimisen hyödyntäminen lupaavien jalkapalloilijoiden etsinnässä Koneoppimisen hyödyntäminen lupaavien jalkapalloilijoiden etsinnässä
title_short Koneoppimisen hyödyntäminen lupaavien jalkapalloilijoiden etsinnässä
title_sort koneoppimisen hyödyntäminen lupaavien jalkapalloilijoiden etsinnässä
title_txtP Koneoppimisen hyödyntäminen lupaavien jalkapalloilijoiden etsinnässä
topic Tietotekniikka Mathematical Information Technology 602 koneoppiminen jalkapallo tietotekniikka
topic_facet 602 Mathematical Information Technology Tietotekniikka jalkapallo koneoppiminen tietotekniikka
url https://jyx.jyu.fi/handle/123456789/95663 http://www.urn.fi/URN:NBN:fi:jyu-202406074425
work_keys_str_mv AT peurasamuli koneoppimisenhyödyntäminenlupaavienjalkapalloilijoidenetsinnässä