BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//Departamento de Computación - ECPv6.17.1//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALNAME:Departamento de Computación
X-ORIGINAL-URL:https://www.dc.uba.ar
X-WR-CALDESC:Eventos para Departamento de Computación
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:America/Sao_Paulo
BEGIN:STANDARD
TZOFFSETFROM:-0300
TZOFFSETTO:-0300
TZNAME:-03
DTSTART:20250101T000000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20260820T160000
DTEND;TZID=America/Sao_Paulo:20260820T170000
DTSTAMP:20260820T131807Z
CREATED:20260820T131807Z
LAST-MODIFIED:20260820T131807Z
UID:10861-1787241600-1787245200@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Juan Alvarez Colombo y Ezequiel Martinelli
DESCRIPTION:Título: Aprendizaje Automático y Procesamiento de Lenguaje Natural aplicado al Scouting Deportivo: el caso del Racing de Santander\nDirectorxs: Bruno Bianchi\, Manuel Duran\nJuradxs: Pablo Mislej\, Gonzalo Ruarte \nResumen:\nLa búsqueda de talento en el fútbol profesional combina datos objetivos\, interpretación experta y observaciones cualitativas elaboradas por scouts. En este contexto\, la creciente disponibilidad de información sobre jugadores plantea el desafío de estudiar hasta qué punto las decisiones de scouting pueden ser explicadas\, aproximadas o asistidas mediante herramientas computacionales. Esta tesis analiza dicho problema a partir de dos enfoques complementarios. En primer lugar\, se evalúa la posibilidad de predecir la decisión final tomada sobre un jugador utilizando variables estructuradas vinculadas con sus características\, rendimiento y contexto deportivo. Para ello\, se exploran distintos modelos de aprendizaje supervisado\, incluyendo árboles de decisión\, Random Forest\, Gradient Boosting\, K-Nearest Neighbors y redes neuronales\, junto con procedimientos de búsqueda de hiperparámetros y evaluación sobre conjuntos separados. En segundo lugar\, se desarrolla un sistema de recomendación basado en búsqueda semántica\, embeddings y una base de datos vectorial\, orientado a recuperar perfiles de jugadores a partir de consultas en lenguaje natural. Este sistema permite incorporar información no estructurada proveniente de reportes de scouting y observaciones cualitativas. Los resultados muestran que las variables objetivas contienen información relevante para aproximar parcialmente la decisión experta\, aunque con limitaciones en categorías menos representadas. A su vez\, la búsqueda semántica permite explorar perfiles de jugadores de manera flexible\, mostrando distintos niveles de consistencia ante reformulaciones de una misma consulta. En conjunto\, el trabajo aporta una evaluación inicial sobre el uso de aprendizaje automático y modelos de lenguaje como herramientas de apoyo al scouting futbolístico. Para ambos casos\, se utilizan los datos provistos por el Real Racing Club de Santander\, un club de fútbol profesional con sede en Santander\, España. Por este motivo\, los estudios realizados se basan en información real proveniente de los procesos de evaluación de los scouters del club\, constituyendo el caso de estudio presentado en este trabajo. \nPalabras claves: Scouting\, fútbol\, aprendizaje automático\, modelos de lenguaje\, embeddings\, búsqueda semántica.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-juan-alvarez-colombo-y-ezequiel-martinelli/
LOCATION:Aula 1102
CATEGORIES:Agenda
END:VEVENT
END:VCALENDAR