Κλιμακούμενη ανάλυση, αξιολόγηση και ταξινόμηση ποδοσφαιριστών με Apache Spark και νευρωνικά δίκτυα
Loading...
Date
2026-06-02
Authors
Ζαφείρης, Βασίλειος
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Η παρούσα διπλωματική εργασία πραγματεύεται τον σχεδιασμό και την υλοποίηση ενός ολοκληρωμένου συστήματος ανάλυσης ποδοσφαιρικών δεδομένων (Football Analytics), με σκοπό τη μετατροπή ακατέργαστων γεγονότων αγώνα (raw event data) σε εφαρμόσιμη τακτική γνώση. Η μεθοδολογική προσέγγιση βασίζεται σε τρεις πυλώνες: τη μηχανική δεδομένων (Data Engineering), τη μη επιβλεπόμενη μηχανική μάθηση (Unsupervised Machine Learning) και την ανάπτυξη διαδραστικών εργαλείων οπτικοποίησης (Data Visualization). Αρχικά, αναπτύχθηκε μια κλιμακούμενη υποδομή επεξεργασίας δεδομένων βασισμένη στο πλαίσιο Apache Spark, ακολουθώντας την αρχιτεκτονική Medallion για τον καθαρισμό και τη δόμηση μεγάλου όγκου πληροφορίας. Στη συνέχεια, εφαρμόστηκαν προηγμένες τεχνικές βαθιάς μάθησης μέσω Autoencoders για τη συμπίεση των χαρακτηριστικών των παικτών σε έναν λανθάνοντα χώρο χαμηλής διαστατικότητας, δημιουργώντας το «Τακτικό DNA» κάθε ποδοσφαιριστή. Η ομαδοποίηση των παικτών πραγματοποιήθηκε με τον συνδυασμό Χαρτών Αυτο-οργάνωσης (SOM) και Gaussian Μοντέλων Μείξης (GMM), αναδεικνύοντας 22 διακριτά τακτικά αρχέτυπα. Το τελικό σύστημα ενσωματώθηκε σε μια διαδραστική εφαρμογή dashboard μέσω της βιβλιοθήκης Streamlit, η οποία επιτρέπει τη σύγκριση παικτών, την αναζήτηση ομοίων προφίλ (Similarity Engine) και τη χωρική ανάλυση ενεργειών. Η εργασία καταδεικνύει πώς η σύγχρονη επιστήμη δεδομένων μπορεί να ενισχύσει τη διαδικασία λήψης αποφάσεων στο scouting και την τακτική προετοιμασία, προσφέροντας αντικειμενικά εργαλεία αξιολόγησης στην αθλητική βιομηχανία.
Description
Keywords
Νευρωνικά δίκτυα, Μηχανική μάθηση, Ανάλυση δεδομένων, Ποδόσφαιρο, Μεγάλα δεδομένα