Εφαρμογές στατιστικής μηχανικής μάθησης στο μηχανοκίνητο αθλητισμό

Abstract

Η Formula 1 από την πρώτη κιόλας στιγμή είναι άρρηκτα συνδεδεμένη με την ταχύτητα για πολλούς λόγους. Για την ταχύτητα με την οποία τρέχουν τα μονοθέσια με τους οδηγούς να δοκιμάζουν κάθε φορά τόσο τα όρια του μονοθέσιου όσο και του ίδιου τους του εαυτού. Για την ταχύτητα με την οποία εμφανίζονται και εφαρμόζονται καινοτόμες ιδέες που βελτιώνουν την απόδοση του μονοθέσιου και παράλληλα το καθιστούν εξαιρετικά ασφαλές. Τέτοιες καινοτομίες χρησιμοποιούνται πλέον στα μη αγωνιστικά αυτοκίνητα κάνοντας την καθημερινή μετακίνηση εύκολη και συνάμα ασφαλή διαδικασία. Οι ραγδαίες εξελίξεις έχουν γεννήσει πληθώρα δεδομένων που καλούνται οι ομάδες να επεξεργαστούν και να ερμηνεύσουν ούτως ώστε να εξορύξουν την κρυφή πληροφορία και να βελτιώσουν τόσο το μονοθέσιο όσο και τη στρατηγική που θα ακολουθήσουν στοχεύοντας στη νίκη. Για την πλήρη και αποτελεσματική αξιοποίηση των δεδομένων είναι αναγκαία η χρήση μαθηματικών και στατιστικών μεθόδων και πληροφορικής. Γι’ αυτό πλέον η χρήση της στατιστικής μηχανικής μάθησης, που συνδυάζει επιτυχώς αυτές τις τρεις επιστήμες είναι αναπόφευκτη και μείζονος σημασίας για τη λήψη στρατηγικών αποφάσεων σε κλάσματα δευτερολέπτου κατά τη διάρκεια του αγώνα, την πρόβλεψη αποτελεσμάτων και τη εξαγωγή συμπερασμάτων. Στην παρούσα διπλωματική εργασία γίνεται εκτενής ανάλυση των διαφόρων κατηγοριών που χαρακτηρίζουν τον κλάδο της μηχανικής μάθησης, των αλγορίθμων και των μοντέλων που χρησιμοποιούνται και των βασικών μεθόδων προπαρασκευής των δεδομένων πριν την ανάλυση. Τέλος, γίνεται εφαρμογή μεθόδων στατιστικής μηχανικής μάθησης σε δεδομένα από αγώνες της F1 με στόχο την πρόβλεψη της θέσης τερματισμού των οδηγών στον αγώνα.