| dc.contributor.advisor | Μαγκλογιάννης, Ηλίας | |
| dc.contributor.author | Σταυριανός, Κωνσταντίνος | |
| dc.date.accessioned | 2023-04-03T06:12:40Z | |
| dc.date.available | 2023-04-03T06:12:40Z | |
| dc.date.issued | 2022 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/15309 | |
| dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/2731 | |
| dc.description.abstract | Τα αθλητικά οπτικά δεδομένα είναι ένα ευρύ πεδίο στην τεχνητή νοημοσύνη και
αποτελούν μέρος της καθημερινότητάς μας. Κάθε άθλημα έχει τους δικούς του κανόνες
και τη δική του φιλοσοφία, με αποτέλεσμα οι αποφάσεις να ποικίλλουν και να
διαφοροποιούνται αναλόγως την περίσταση. Δυστυχώς, οι αλγόριθμοι της τεχνητής
νοημοσύνης δεν μπορούν να εφαρμοστούν σε κάθε περίσταση, η οποία αντιστοιχεί σε
πραγματικό σενάριο διαδραματιζόμενο στον καθημερινό κόσμο, το οποίο φυσικά
απαιτεί συγκεκριμένες κινήσεις.
Θα πρέπει να είμαστε σε θέση να μοντελοποιήσουμε το πρόβλημα ούτως ώστε να
οδηγηθούμε σε λογικά και αξιόλογα συμπεράσματα, τα οποία θα μας διευκολύνουν στη
λήψη αποφάσεων. Κατά την ανάλυση ποδοσφαιρικών οπτικών δεδομένων έχει
εντοπιστεί ανάγκη να υλοποιηθεί αλγόριθμος για την αξιοποίηση από ειδικούς του
ποδοσφαίρου, αναλυτές και προπονητές. Έτσι, η ιδέα δημιουργίας ενός μοντέλου
τεχνητής νοημοσύνης, εντοπίζεται να είναι αναγκαία, το οποίο αναγνωρίζει μέσω
αποφάσεων μηχανικής μάθησης εάν ο σχηματισμός είναι ο συγκεκριμένος που έχουμε
επιλέξει. Στο δικό μας σενάριο τα μοντέλα αρχικά αναγνωρίζουν τους ποδοσφαιριστές
της δικής μας ομάδας και έπειτα παίρνουν απόφαση εάν η διάταξη είναι 4-4-2 ή δεν
είναι. | el |
| dc.format.extent | 68 | el |
| dc.language.iso | el | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.title | Αναγνώριση διάταξης σχηματισμού αθλητικών οπτικών δεδομένων | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων | el |
| dc.description.abstractEN | Sport analytics is a broad field in artificial intelligence and is a part of our daily life.
Each sport has its own rules and philosophy so decisions vary depending on the
occasion. Also the AI algorithms cannot be applied to every scenario I come from the
real world of sports because the decisions have to be specific. We should be able to
vectorize the problem in order to arrive at conclusions that have decision value. In the
analysis of football visual data a need has been identified to implement an algorithm for
use by football experts, analysts and coaches. The idea of creating an artificial
intelligence model that recognizes through machine learning decisions if the formation
is the particular one we have chosen. In our scenario the models first identify the
footballers of our own team and then make a decision whether the formation is 4-4-2 or
not. | el |
| dc.corporate.name | Ινστιτούτο Πληροφορικής και Τηλεπικοινωνιών του ΕΚΕΦΕ «Δημόκριτος» | el |
| dc.contributor.master | Τεχνητή Νοημοσύνη - Artificial Intelligence | el |
| dc.subject.keyword | Μηχανική μάθηση | el |
| dc.subject.keyword | Νευρωνικά δίκτυα | el |
| dc.subject.keyword | Υπολογιστική όραση | el |
| dc.date.defense | 2023-03-09 | |
