Predikce úspěšnosti fotbalistů s využitím metod strojového učení

Abstract

Tato bakalářská práce se zaměřuje na implementaci umělé neuronové sítě v programovacím jazyce Python s využitím knihovny Keras. Cílem práce je numerická predikce připravenosti fotbalového hráče na zápas na škále od 0 do 1. Predikce je založena na pěti fyziologicko-kinematických datech získaných ze tří tréninků předcházejících danému zápasu. Referenční data pro trénování umělé neuronové sítě zahrnují technické údaje o počtu úspěšných a celkových akcí během zápasu. Data použitá v této práci byla shromážděna od hráčů fotbalového klubu Sigma Olomouc U19 pomocí softwarů Polar Team Pro a Wyscout. Nejnižší zaznamenané chyby modelu, která činila 0,1046, bylo dosaženo použitím jedné skryté vrstvy obsahující 15 perceptronů.This bachelor thesis focuses on the implementation of an artificial neural network in the Python programming language using the Keras library. The aim of the work is the numerical prediction of a football player’s match readiness on a scale from 0 to 1. The prediction is based on five physiological-kinematic data obtained from three training sessions preceding a given match. The reference data for training the artificial neural network includes technical data on the number of successful and total actions during the match. The data used in this work was collected from Sigma Olomouc U19 football club players using Polar Team Pro and Wyscout software. The lowest recorded model error, which was 0.1046, was achieved using a single hidden layer containing 15 perceptrons.