Tecnologías Específicas

Computación

Descripcion y Objetivos

Descripción:

En el competitivo mundo de los deportes electrónicos, el videojuego "League of Legends"  ha ganado una inmensa popularidad a nivel global. Este trabajo se centra en la creación de un sistema de predicción de resultados en partidas de "League of Legends" en diferentes instantes de tiempo durante el desarrollo del juego. El análisis de partidas en tiempo real de este videojuego no solo es de interés para los jugadores y espectadores, sino también para equipos profesionales, entrenadores y analistas. La capacidad de prever resultados en distintas fases del juego puede ser crucial para la toma de decisiones estratégicas, adaptaciones tácticas y el rendimiento general del equipo.

En este proyecto nos centraremos en los datos disponibles a través de la API oficial del videojuego. Si bien ya existen varias fuentes de datos disponibles en Kaggle:

• https://www.kaggle.com/datasets/bobbyscience/league-of-legends-diamond-ranked-games-10-min
• https://www.kaggle.com/datasets/chuckephron/leagueoflegends

Esto nos permitirá definir con mayor eficacia los instantes de tiempo que se quieren tratar para predecir los resultados de las partidas.

Objetivos:

1. Obtención de datos históricos de partidas del videojuego, incluyendo información detallada sobre jugadores, campeones seleccionados, objetivos logrados y eventos significativos.
2. Realizar un análisis de datos exploratorio para adquirir conocimiento útil de la misma de cara al proceso de aprendizaje automático.
3. Normalización y limpieza de datos para asegurar la coherencia y calidad de la información. Además, se extraerán características relevantes para la predicción de los resultados de las partidas.
4. Experimentación con diversos modelos de aprendizaje automático, incluyendo algoritmos de clasificación y, en caso necesario, series temporales.
5. Evaluación de los resultados en momentos específicos del juego, como el inicio y mitad de la partida. Esto implica identificar patrones y factores clave que influyen en los resultados en cada fase.
6. Comparar la eficacia de diferentes algoritmos y sus parametrizaciones, esto, es selección de modelos, mediante las medidas apropiadas para el problema en cuestión.

 

Metodología y Competencias

Metodología:

1. Recolección de datos: Utilización de fuentes de datos públicas que contegan registros de partidas, información de jugadores y estadísticas del juego.
2. Preprocesamiento de datos: El conjunto de datos será preprocesado para normalizar los datos, identificar y manejar valores atípicos, eliminar características irrelevantes y redundantes, crear características relevantes para el análisis, etc.
3. Selección de modelos: Experimentación con diversos modelos de aprendizaje automático. En particular, algoritmos de clasificación, aunque también puede ser interesante utilizar modelos basados en series temporales.
4. Establecimiento de problemas de distinta complejidad: Consideración de diferentes instantes de tiempo durante las partidas para evaluar la evolución del juego y adaptar los modelos a diversas fases.
5. Evaluación: Realización de una evaluación exhaustiva de los modelos propuestos, utilizando métricas específicas para problemas de clasificación y, en caso necesario, series temporales.
6. Escritura de la memoria: Documentación detallada de la metodología, resultados y conclusiones del proyecto.

Competencias:

Se trabajarán principalmente las siguientes competencias específicas de la tecnología de computación:

• Capacidad para evaluar la complejidad computacional de un problema, conocer estrategias algorítmicas que puedan conducir a su resolución y recomendar, desarrollar e implementar aquella que garantice el mejor rendimiento de acuerdo con los requisitos establecidos.
• Capacidad para conocer los fundamentos, paradigmas y técnicas propias de los sistemas inteligentes y analizar, diseñar y construir sistemas, servicios y aplicaciones informáticas que utilicen dichas técnicas en cualquier ámbito de aplicación.
• Capacidad para adquirir, obtener, formalizar y representar el conocimiento humano en una forma computable para la resolución de problemas mediante un sistema informático en cualquier ámbito de aplicación, particularmente los relacionados con aspectos de computación, percepción y actuación en ambientes entornos inteligentes.
• Capacidad para conocer y desarrollar técnicas de aprendizaje computacional y diseñar e implementar aplicaciones y sistemas que las utilicen, incluyendo las dedicadas a extracción automática de información y conocimiento a partir de grandes volúmenes de datos.

 

Medios a utilizar

Ordenadores personales, compiladores y entornos de programación. Servicios de tarjetas gráficas para el entrenamiento e inferencia de redes neuronales profundas. Todo disponible en la escuela, instituto de investigación o mediante servicios en la nube.

 

Bibliografía

Libros y manuales de inteligencia artificial y aprendizaje automático. Libros y manuales de lenguajes de programación y librerías específicas de aprendizaje automático. Todo disponible en la escuela o internet.