Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/33091
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.creator | Vieira, Levi Spina | - |
dc.date.accessioned | 2023-12-15T21:54:20Z | - |
dc.date.available | 2023-12-15T21:54:20Z | - |
dc.date.issued | 2022-11-25 | - |
dc.identifier.citation | VIEIRA, Levi Spina. Predição de vitória no League of Legends Dois Vizinhos. 2022. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Software) - Universidade Tecnológica Federal do Paraná, Dois Vizinhos, 2022. | pt_BR |
dc.identifier.uri | http://repositorio.utfpr.edu.br/jspui/handle/1/33091 | - |
dc.description.abstract | The e-sport market has been growing worldwide, bringing sponsorship from companies from different branches of the economy. Linked to this, more people with little or no contact with electronic games are following their broadcasts. Thereby, a big problem for new viewers is understanding how the game is played since its dynamic is complex and inexperienced viewers may not understand the game scoring system. To improve viewers experience, this work proposes the development of an application that uses image pattern recognition techniques to predict which team has the highest probability of winning the match. The application uses a previously defined prediction model to make the prediction. The model was trained using a database generated by the data extracted from videos of previous matches. As a result, na application was obtained that calculates the probability of winning for each team using the data extracted from a real-time match of the League of Legends. A case study was proposed to evaluate the effectiveness of the application in predicting winning teams, and the results show that an application can, for the most part, correctly predict the winning times with an efficiency rate between 80% and 95 %. | pt_BR |
dc.language | por | pt_BR |
dc.publisher | Universidade Tecnológica Federal do Paraná | pt_BR |
dc.rights | openAccess | pt_BR |
dc.rights | Attribution 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by/4.0/ | * |
dc.subject | Jogos eletrônicos | pt_BR |
dc.subject | Probabilidades | pt_BR |
dc.subject | Sistemas de reconhecimento de padrões | pt_BR |
dc.subject | Electronic games | pt_BR |
dc.subject | Probabilities | pt_BR |
dc.subject | Pattern recognition systems | pt_BR |
dc.title | Predição de vitória no League of Legends Dois Vizinhos | pt_BR |
dc.title.alternative | Prediction of victory in the League of Legends Dois Vizinhos | pt_BR |
dc.type | bachelorThesis | pt_BR |
dc.description.resumo | O mercado de e-sport vem crescendo em todo o mundo, trazendo patrocínio de empresas de diversos ramos da economia. Atrelado a isso, mais pessoas com pouco ou nenhum contato com jogos eletrônicos estão acompanhando suas transmissões. Com isso, um grande problema dos novos expectadores é entender como o jogo é jogado, visto que a dinâmica do jogo é complexa e os espectadores que nunca jogaram podem não entender o sistema de pontuação. Pensando em melhorar a experiência de todos os espectadores durante a transmissão, este trabalho propõe o desenvolvimento de uma aplicação que utiliza técnicas de reconhecimento de padrões de imagem para prever qual equipe tem a maior probabilidade de vitória na partida. A aplicação utiliza um modelo de predição previamente definido para fazer a predição. Esse modelo foi treinado a partir de uma base de dados gerada por meio da extração de dados de vídeos de partidas já realizadas. Como resultados, obteve-se uma aplicação que calcula a probabilidade de vitória dos times partir dos dados extraídos de uma partida do jogo de League of Legends ocorrendo em tempo real. Um estudo de caso foi realizado para avaliar a eficácia da aplicação em realizar a predição de vitória dos times e os resultados mostram que a aplicação consegue, em sua grande maioria, prever corretamente os times ganhadores, com uma taxa de eficácia entre 80% e 95%. | pt_BR |
dc.degree.local | Dois Vizinhos | pt_BR |
dc.publisher.local | Dois Vizinhos | pt_BR |
dc.contributor.advisor1 | Silva, Rodolfo Adamshuk | - |
dc.contributor.advisor-co1 | Lopes, Yuri Kaszubowski | - |
dc.contributor.referee1 | Souza, Francisco Carlos Monteiro | - |
dc.contributor.referee2 | Souza, Alinne Cristinne Corrêa | - |
dc.contributor.referee3 | Silva, Rodolfo Adamshuk | - |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.program | Engenharia de Software | pt_BR |
dc.publisher.initials | UTFPR | pt_BR |
dc.subject.cnpq | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::ENGENHARIA DE SOFTWARE | pt_BR |
Aparece nas coleções: | DV - Engenharia de Software |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
predicaovitorialeaguelegends.pdf | 1,47 MB | Adobe PDF | Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons