Banca de DEFESA: JOSE RUBENS DA SILVA BRITO

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : JOSE RUBENS DA SILVA BRITO
DATA : 29/10/2024
HORA: 16:30
LOCAL: Sala do Google Meet
TÍTULO:

Uma Abordagem de Aprendizado de Máquina para Identificação de Tendências de Sucesso de Jogadores de

Basquete Universitário Americano para a Liga Profissional: Conciliando Predição e Explicabilidade


PALAVRAS-CHAVES:

Aprendizado de Máquina,

Explicabilide de modelo,

Inteligência Artificial,

Sistema de Apoio à Decisão 


PÁGINAS: 70
RESUMO:
Este estudo propõe explorar técnicas de aprendizado de máquina em dados históricos do basquete universitário americano (NCAA), com o objetivo de prever a tendência dos jogadores universitários de chegarem à liga profissional de basquete (NBA). No entanto, esses conjuntos de dados podem conter características redundantes, ruidosas e irrelevantes, que podem influenciar negativamente a atividade preditiva. Para mitigar esse problema e buscar uma solução que concilie predição e explicabilidade dos modelos preditivos, propõs-se, neste trabalho, uma abordagem composta por três etapas principais: (I) seleção dos atributos mais relevantes para auxiliar na tomada de decisão; (II) implementa..o de algoritmos de aprendizado de m.quina; (III) análise dos resultados preditivos por meio da explicabilidade de cada modelo. Na etapa (I), foi feita a seleção de dados que, quando combinados, formam um conjunto de atributos do jogador, influenciando direta ou indiretamente sua contratação por equipes daNBA, considerando a configuração atual do time. Utilizaram-se técnicas consolidadas na literatura, como Wrapper, Filter, Embedding, além do Algoritmo Genético, com o objetivo de melhorar a precis.o preditiva e reduzir o número de caracter.sticas. Na etapa (II), buscou-se equilibrar interpretabilidade e precis.o preditiva, empregando métodos de classificação caixa branca, como árvores de Decisão, Regressão Logística e o Algoritmo de Regras (PRISM). Como referência de modelo de caixa preta, utilizou-se a Máquina de Vetores de Suporte – SVM. Já na etapa (III), analisou-se a explicabilidade de cada modelo. Isso foi feito de duas maneiras: pela própria construção dos algoritmos, como os de indução via árvores de Decisão e via regras, e por meio da ferramenta de explicabilidade SHAP. Para a validação da abordagem, utilizou-se a base de dados mencionada, e os resultados indicaram um impacto positivo da seleção de atributos nos modelos preditivos, com destaque para a influência ben.fica do Algoritmo Genético na etapa de seleção. Essa abordagem contribuiu para a identificação de um conjunto mínimo de atributos e para a melhoria das métricas de predição dos classificadores. Especificamente, a combinação do Algoritmo Genético com SVM na função de aptidão, na etapa de seleção gerou um conjunto de atributos que, ao ser utilizado na árvore de Decisão (CART), alcançou uma acurácia de 80%. Por fim, foi realizada uma análise da interpretabilidade dos modelos árvore de Decisão CART e PRISM, destacando a clareza fornecida por cada um: o primeiro baseado em estrutura de árvore de Decisão e o segundo em algoritmo de regras. Adicionalmente, utilizamos a ferramenta SHAP para analisar as saídas geradas pelos algoritmos de aprendizado de máquina, permitindo uma interpretação mais clara dos resultados, para assim, auxiliar na tomada de decisão. Espere-se com esses resultados poder contribuir para a aplicação eficiente de técnicas de aprendizado de máquina no basquete, sobretudo na predição de comportamentos futuros de jogadores com base em variáveis explicáveis e selecionadas de forma criteriosa.

MEMBROS DA BANCA:
Presidente - 1121007 - EVANDRO DE BARROS COSTA
Interno(a) - 1388993 - BRUNO ALMEIDA PIMENTEL
Interno(a) - 1766576 - THALES MIRANDA DE ALMEIDA VIEIRA
Externo(a) à Instituição - JOSEANA MACEDO FECHINE - UFCG
Externo(a) à Instituição - JOSÉ ANTÃO BELTRÃO MOURA - UFCG
Notícia cadastrada em: 02/12/2024 12:04
SIGAA | NTI - Núcleo de Tecnologia da Informação - (82) 3214-1015 | Copyright © 2006-2024 - UFAL - sig-app-2.srv2inst1 26/12/2024 11:00