Tecnologías Específicas

Computación

Descripcion y Objetivos

Descripción

En el panorama competitivo de los videojuegos móviles online, Clash Royale destaca por ser uno de los títulos más populares. La estrategia y la planificación juegan un papel crucial en el éxito dentro del juego. Este proyecto tiene como objetivo desarrollar un sistema de predicción que permita anticipar el resultado de las partidas de Clash Royale antes de que estas inicien. Este análisis es de gran utilidad no solo para jugadores aficionados y profesionales, sino también para entrenadores y analistas que buscan optimizar las estrategias y tomar decisiones más informadas antes de los enfrentamientos.

Utilizaremos datos históricos disponibles a través de fuentes como la API oficial del juego y otras bases de datos públicas. Al centrarnos en características conocidas antes de que comience la partida (cartas seleccionadas, nivel de los jugadores, historial de victorias, etc.), buscaremos identificar patrones que permitan prever el resultado.

Objetivos

1. Obtención de datos históricos: Recolectar información detallada sobre jugadores, cartas seleccionadas, niveles, torneos y otros eventos relevantes previos a la partida.

2. Análisis exploratorio de datos: Analizar las tendencias y patrones en los datos previos a la partida para extraer conocimiento relevante que pueda guiar el proceso de modelado.

3. Preprocesamiento de datos: Limpieza y normalización de los datos, eliminación de outliers y creación de características derivadas útiles para la predicción de resultados, etc.

4. Desarrollo de modelos de predicción: Experimentar con distintos modelos de aprendizaje automático, en particular, algoritmos de clasificación, para predecir el resultado basado en los factores previos al inicio del juego.

5. Evaluación del rendimiento de los modelos: Evaluar y comparar la precisión y robustez de los modelos propuestos mediante métricas diversas.

6. Ajuste de modelos y mejora: Optimizar los modelos y ajustar los hiperparámetros para mejorar su capacidad de predicción.

 

Metodología y Competencias

Metodología

1. Recolección de datos: Usaremos la API oficial de Clash Royale y otras fuentes públicas para recolectar datos sobre jugadores, cartas, torneos y otras estadísticas previas a la partida.

2. Preprocesamiento de datos: Los datos serán normalizados, y se manejarán posibles valores atípicos. Se seleccionarán características relevantes para la predicción, como las combinaciones de cartas, el nivel de los jugadores y su historial en torneos.

3. Selección de modelos: Se implementarán diversos algoritmos de aprendizaje automático, como regresión logística, árboles de decisión y redes neuronales. También se considerará la posibilidad de usar técnicas de ensemble.

4. Evaluación: Se hará una evaluación exhaustiva de los modelos utilizando métricas específicas para problemas de clasificación, así como una validación cruzada para asegurar la estabilidad del modelo.

5. Escritura de la memoria: Se llevará un registro detallado de cada etapa del proyecto, incluyendo la metodología, los experimentos realizados y los resultados obtenidos.

Competencias

• Capacidad para evaluar la complejidad computacional de un problema, conocer estrategias algorítmicas que puedan conducir a su resolución y recomendar, desarrollar e implementar aquella que garantice el mejor rendimiento de acuerdo con los requisitos establecidos.
• Capacidad para conocer los fundamentos, paradigmas y técnicas propias de los sistemas inteligentes y analizar, diseñar y construir sistemas, servicios y aplicaciones informáticas que utilicen dichas técnicas en cualquier ámbito de aplicación.
• Capacidad para adquirir, obtener, formalizar y representar el conocimiento humano en una forma computable para la resolución de problemas mediante un sistema informático en cualquier ámbito de aplicación, particularmente los relacionados con aspectos de computación, percepción y actuación en ambientes entornos inteligentes.
• Capacidad para conocer y desarrollar técnicas de aprendizaje computacional y diseñar e implementar aplicaciones y sistemas que las utilicen, incluyendo las dedicadas a extracción automática de información y conocimiento a partir de grandes volúmenes de datos.

 

 

Medios a utilizar

Ordenadores personales con acceso a entornos de programación y librerías especializadas en aprendizaje automatico. Clúster de alto rendimiento para el entrenamiento e inferencia de los modelos. Todo disponible en la escuela, instituto de investigación o mediante servicios en la nube.

 

Bibliografía

Libros y manuales de inteligencia artificial y aprendizaje automático. Libros y manuales de lenguajes de programación y librerías específicas de aprendizaje automático. Todo disponible en la escuela o internet.