Mesterséges Intelligencia a Forma-1 Közvetítésekben: Előrejelző Modellek Elemzése és Rekreálása
| dc.contributor.advisor | Beregi-Kovács, Marcell | |
| dc.contributor.author | Zudor, Péter Sándor | |
| dc.contributor.department | DE--Informatikai Kar | |
| dc.date.accessioned | 2024-06-23T19:03:35Z | |
| dc.date.available | 2024-06-23T19:03:35Z | |
| dc.date.created | 2024-05-01 | |
| dc.description.abstract | Az elmúlt évtized technológiai fejlődése forradalmasította a sportközvetítéseket, lehetővé téve a kiegészítő grafikák széles körű integrálását, amelyek segítik a nézőket a versenyszituációk jobb megértésében. A Formula 1 az adatvezérelt sportok között élen jár a technológiai újításaival. A sportágban alkalmazott mesterséges intelligencia és prediktív modellezés különösen fontos szerepet játszik az élő közvetítések során, amelyek így még izgalmasabbá és érthetőbbé válnak a nézők számára. Egy jó példa erre a 2018-ban bevezetett „Csata Előrejelzés” funkció, amely előrejelzi a versenyzők közötti csaták lehetséges kimenetelét. E szakdolgozat a Formula 1 élőközvetítéseiben alkalmazott mesterséges intelligencia alapú prediktív infografikák közül a Csata Előrejelzés elemzésével foglalkozik, különös tekintettel a predikciókat megalapozó modellek rekreációjára és validálására. A munka során létrehoztunk és teszteltünk olyan modelleket, amelyek hasonló pontossággal képesek előrejelzéseket generálni, mint az élő közvetítésekben használt rendszerek. A kutatás az adatelemzés, idősoros elemzés és a mesterséges intelligencia technikáit alkalmazta, melyeket Python programozási nyelven, többek között a numpy, matplotlib és scikit-learn, xgboost csomagok segítségével valósítottunk meg. Az adatok beszerzésére a FastF1, opencv és pytesseract eszközöket használtuk. A dolgozat így nem csak az adatvezérelt sportközvetítés elméleti alapjait tárgyalja, hanem konkrét módszertani lépéseket is kínál a hasonló technológiák alkalmazásához. A modellek validálása során kiemelt figyelmet fordítottunk arra, hogy a predikciók megbízhatóságát és relevanciáját a valós versenykörülmények között is teszteljük. | |
| dc.description.course | Gazdaságinformatikus | |
| dc.description.degree | BSc/BA | |
| dc.format.extent | 47 | |
| dc.identifier.uri | https://hdl.handle.net/2437/374653 | |
| dc.language.iso | hu | |
| dc.rights.access | Hozzáférhető a 2022 decemberi felsőoktatási törvénymódosítás értelmében. | |
| dc.subject | forma1 | |
| dc.subject | formula 1 | |
| dc.subject | lineáris regresszió | |
| dc.subject | xgboost | |
| dc.subject | prediktív infografika | |
| dc.subject | python | |
| dc.subject.dspace | Informatika | |
| dc.title | Mesterséges Intelligencia a Forma-1 Közvetítésekben: Előrejelző Modellek Elemzése és Rekreálása |
Fájlok
Eredeti köteg (ORIGINAL bundle)
1 - 1 (Összesen 1)
Nincs kép
- Név:
- szakdolgozat.pdf
- Méret:
- 1.05 MB
- Formátum:
- Adobe Portable Document Format
- Leírás:
- szakdolgozat
Engedélyek köteg
1 - 1 (Összesen 1)
Nincs kép
- Név:
- license.txt
- Méret:
- 2.35 KB
- Formátum:
- Item-specific license agreed upon to submission
- Leírás: