O uso de Auto ML nas apostas esportivas
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório institucional da Universidade Federal Rural de Pernambuco (UFRPE) (RI-UFRPE) |
Texto Completo: | https://repository.ufrpe.br/handle/123456789/4284 |
Resumo: | O mercado de apostas esportivas vem crescendo de forma efetiva, e dos 40 times que disputam as séries A e B do Campeonato Brasileiro, 35 são patrocinados por casas de apostas. Observando o número de apostadores que são lucrativos, foi constatado que existe uma grande necessidade por soluções que auxiliem essas pessoas a se tornarem lucrativas. Visando conseguir atingir esse objetivo no longo prazo, a primeira etapa desse projeto é avaliar o uso soluções de Auto Machine Learning(AutoML), em dois cenários de apostas: ambas equipes marcarem e a partida ter mais ou menos que 2 gols. Para esse trabalho, foram utilizados os dados do Campeonato Brasileiro de Futebol da Série A 2017. O campeonato possui 38 rodadas no total e 10 partidas em cada rodada, totalizando 380 partidas. Para calcular os cenários de lucro, foram estabelecidos duas formas de avaliação: sem restrição e com restrição de probabilidade. Comparando os resultados obtidos nesses dois cenários, o cenário 2 em todos os resultados apresentou lucro, diferentemente do que se alcançou no cenário 1, além disso, temos a taxa de assertividade que foi bem mais positiva no cenário 2, chegando a atingir um valor de 73,68% enquanto a taxa máxima obtida no cenário 1 foi de 63,88%. |
id |
UFRPE_d1edebcaecea58ea20520f2621fb2227 |
---|---|
oai_identifier_str |
oai:dspace:123456789/4284 |
network_acronym_str |
UFRPE |
network_name_str |
Repositório institucional da Universidade Federal Rural de Pernambuco (UFRPE) (RI-UFRPE) |
repository_id_str |
https://v2.sherpa.ac.uk/id/repository/10612 |
spelling |
O uso de Auto ML nas apostas esportivasApostas (Esportes)Aprendizado do computadorInvestimentoFutebolO mercado de apostas esportivas vem crescendo de forma efetiva, e dos 40 times que disputam as séries A e B do Campeonato Brasileiro, 35 são patrocinados por casas de apostas. Observando o número de apostadores que são lucrativos, foi constatado que existe uma grande necessidade por soluções que auxiliem essas pessoas a se tornarem lucrativas. Visando conseguir atingir esse objetivo no longo prazo, a primeira etapa desse projeto é avaliar o uso soluções de Auto Machine Learning(AutoML), em dois cenários de apostas: ambas equipes marcarem e a partida ter mais ou menos que 2 gols. Para esse trabalho, foram utilizados os dados do Campeonato Brasileiro de Futebol da Série A 2017. O campeonato possui 38 rodadas no total e 10 partidas em cada rodada, totalizando 380 partidas. Para calcular os cenários de lucro, foram estabelecidos duas formas de avaliação: sem restrição e com restrição de probabilidade. Comparando os resultados obtidos nesses dois cenários, o cenário 2 em todos os resultados apresentou lucro, diferentemente do que se alcançou no cenário 1, além disso, temos a taxa de assertividade que foi bem mais positiva no cenário 2, chegando a atingir um valor de 73,68% enquanto a taxa máxima obtida no cenário 1 foi de 63,88%.The sports betting market has been growing effectively, and of the 40 teams that compete in the A and B series of the Brazilian Championship, 35 are sponsored by bookmakers. Observing the number of gamblers that are profitable, it was found that there is a great need for solutions that help these people to become profitable. In order to achieve this goal in the long term, the first step of this project is to evaluate the use of Auto Machine Learning (AutoML) solutions in two betting scenarios: both teams score, and the match has more or less than 2 goals. For this work, data from the 2017 Serie A Brazilian Football Championship were used. The championship has 38 rounds in total and 10 matches in each round, totaling 380 matches. To calculate the profit scenarios, two forms of evaluation were established: without restriction and with probability restriction. Comparing the results obtained in these two scenarios, scenario 2 in all results presented a profit, unlike what was achieved in scenario 1, in addition, we have the assertiveness rate that was much more positive in scenario 2, reaching a value of 73.68% while the maximum rate obtained in scenario 1 was 63.88%.BrasilMonteiro, Cleviton Vinicius Fonsecahttp://lattes.cnpq.br/9362573782715504Oliveira, José Matheus Souza de2023-03-30T22:02:32Z2023-03-30T22:02:32Z2022-06-02info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis23 f.application/pdfOLIVEIRA, José Matheus Souza de. O uso de Auto ML nas apostas esportivas. 2022. 23 f. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) – Departamento de Estatística e Informática, Universidade Federal Rural de Pernambuco, Recife, 2022.https://repository.ufrpe.br/handle/123456789/4284porAtribuição 4.0 Internacional (CC BY 4.0)https://creativecommons.org/licenses/by/4.0/deed.pt_BRopenAccessinfo:eu-repo/semantics/openAccessreponame:Repositório institucional da Universidade Federal Rural de Pernambuco (UFRPE) (RI-UFRPE)instname:Universidade Federal Rural de Pernambuco (UFRPE)instacron:UFRPE2023-03-30T22:02:57Zoai:dspace:123456789/4284Repositório InstitucionalPUBhttps://repository.ufrpe.br/oai/requestrepositorio.sib@ufrpe.bropendoar:https://v2.sherpa.ac.uk/id/repository/106122023-03-30T22:02:57Repositório institucional da Universidade Federal Rural de Pernambuco (UFRPE) (RI-UFRPE) - Universidade Federal Rural de Pernambuco (UFRPE)false |
dc.title.none.fl_str_mv |
O uso de Auto ML nas apostas esportivas |
title |
O uso de Auto ML nas apostas esportivas |
spellingShingle |
O uso de Auto ML nas apostas esportivas Oliveira, José Matheus Souza de Apostas (Esportes) Aprendizado do computador Investimento Futebol |
title_short |
O uso de Auto ML nas apostas esportivas |
title_full |
O uso de Auto ML nas apostas esportivas |
title_fullStr |
O uso de Auto ML nas apostas esportivas |
title_full_unstemmed |
O uso de Auto ML nas apostas esportivas |
title_sort |
O uso de Auto ML nas apostas esportivas |
author |
Oliveira, José Matheus Souza de |
author_facet |
Oliveira, José Matheus Souza de |
author_role |
author |
dc.contributor.none.fl_str_mv |
Monteiro, Cleviton Vinicius Fonseca http://lattes.cnpq.br/9362573782715504 |
dc.contributor.author.fl_str_mv |
Oliveira, José Matheus Souza de |
dc.subject.por.fl_str_mv |
Apostas (Esportes) Aprendizado do computador Investimento Futebol |
topic |
Apostas (Esportes) Aprendizado do computador Investimento Futebol |
description |
O mercado de apostas esportivas vem crescendo de forma efetiva, e dos 40 times que disputam as séries A e B do Campeonato Brasileiro, 35 são patrocinados por casas de apostas. Observando o número de apostadores que são lucrativos, foi constatado que existe uma grande necessidade por soluções que auxiliem essas pessoas a se tornarem lucrativas. Visando conseguir atingir esse objetivo no longo prazo, a primeira etapa desse projeto é avaliar o uso soluções de Auto Machine Learning(AutoML), em dois cenários de apostas: ambas equipes marcarem e a partida ter mais ou menos que 2 gols. Para esse trabalho, foram utilizados os dados do Campeonato Brasileiro de Futebol da Série A 2017. O campeonato possui 38 rodadas no total e 10 partidas em cada rodada, totalizando 380 partidas. Para calcular os cenários de lucro, foram estabelecidos duas formas de avaliação: sem restrição e com restrição de probabilidade. Comparando os resultados obtidos nesses dois cenários, o cenário 2 em todos os resultados apresentou lucro, diferentemente do que se alcançou no cenário 1, além disso, temos a taxa de assertividade que foi bem mais positiva no cenário 2, chegando a atingir um valor de 73,68% enquanto a taxa máxima obtida no cenário 1 foi de 63,88%. |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022-06-02 2023-03-30T22:02:32Z 2023-03-30T22:02:32Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
OLIVEIRA, José Matheus Souza de. O uso de Auto ML nas apostas esportivas. 2022. 23 f. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) – Departamento de Estatística e Informática, Universidade Federal Rural de Pernambuco, Recife, 2022. https://repository.ufrpe.br/handle/123456789/4284 |
identifier_str_mv |
OLIVEIRA, José Matheus Souza de. O uso de Auto ML nas apostas esportivas. 2022. 23 f. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) – Departamento de Estatística e Informática, Universidade Federal Rural de Pernambuco, Recife, 2022. |
url |
https://repository.ufrpe.br/handle/123456789/4284 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
Atribuição 4.0 Internacional (CC BY 4.0) https://creativecommons.org/licenses/by/4.0/deed.pt_BR openAccess info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Atribuição 4.0 Internacional (CC BY 4.0) https://creativecommons.org/licenses/by/4.0/deed.pt_BR openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
23 f. application/pdf |
dc.publisher.none.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Brasil |
dc.source.none.fl_str_mv |
reponame:Repositório institucional da Universidade Federal Rural de Pernambuco (UFRPE) (RI-UFRPE) instname:Universidade Federal Rural de Pernambuco (UFRPE) instacron:UFRPE |
instname_str |
Universidade Federal Rural de Pernambuco (UFRPE) |
instacron_str |
UFRPE |
institution |
UFRPE |
reponame_str |
Repositório institucional da Universidade Federal Rural de Pernambuco (UFRPE) (RI-UFRPE) |
collection |
Repositório institucional da Universidade Federal Rural de Pernambuco (UFRPE) (RI-UFRPE) |
repository.name.fl_str_mv |
Repositório institucional da Universidade Federal Rural de Pernambuco (UFRPE) (RI-UFRPE) - Universidade Federal Rural de Pernambuco (UFRPE) |
repository.mail.fl_str_mv |
repositorio.sib@ufrpe.br |
_version_ |
1809277169941086208 |