Информационная система для прогнозирования результатов кибеспортивных событий

Введение

1.2. Дисциплины

1.3.История соревнований

1.4.Коммерческая привлекательность

1.5.Методы прогнозирования в киберспорте

1.9.1. Сбор исходных данных

1.6.Выбор архитектуры нейронной сети. Выбор или разработка программного продукта

4.2 Расчет сметы затрат на разработку программного продукта .................. 55

1.8. Настройка алгоритма обучения

С ПОМОЩЬЮ НЕЙРОННЫХ СЕТЕЙ

2.1.Синтез структуры нейроной сети. Анализ методов

3.1. Программное обеспечение

3.2. Нейронная сеть: обучение и оценка результата

ЭКОНОМИЧЕСКИЙ РАЗДЕЛ

4.1 Планирование разработки программного продукта с построением графика

1.3.История соревнований
Начнем с краткого экскурса в историю соревнований по компьютерным играм. Считается, что основной прорыв в данной отрасли пришелся на игру Quake, которая вызвала бурный интерес у геймеров и позволила создать обширное игровое сообщество. Реализованный в игре мультиплеер (возможность нескольким людям играть одновременно в одном игровом сеансе) был крайне привлекателен для игроков и вылился в создание множества турниров, соревнований и, что самое важное, первую лигу киберспортсменов - Cyberathlete Professional League. CPL просуществовала до 2008 года, однако, огромное количество появившихся вслед за ней лиг подавило деятельность CPL, вынудив уйти из бизнеса. На данный момент самой старой из функционирующих лиг является Electronic Sports League и на этой лиге, мне кажется, следует немного заострить внимание.
Electronic Sports League (ESL) – это одна из крупнейших лиг в Европе.
...

1.9.1. Сбор исходных данных
Наличие большого массива исходных данных для обучения — один из главных факторов, определяющих возможность успешного решения поставленной задачи. Но поскольку речь идет о статистике и вероятностях, важен не только объем, но и происхождение данных. Так, для прогнозирования исходов матчей футбольных сборных на чемпионате мира вряд ли подойдет статистика, набранная по чемпионату второй китайской лиги. Соответственно, если прогнозист планирует предсказывать исходы матчей в различных видах спорта, в различных по уровню соревнованиях, он должен это учитывать уже на этапе подбора обучающих данных и, при необходимости, формировать несколько различных обучающих выборок.
В каких именно количественных характеристиках описывать приведенные группы факторов, личное дело каждого прогнозиста. Здесь как раз та ситуация, когда «на вкус и цвет товарища нет».
...

1.8. Настройка алгоритма обучения
Этот и следующий этапы, как правило, повторяются многократно, но в строгой последовательности до тех пор, пока прогнозист не будет удовлетворен полученным результатом или не потеряет терпение.
Настройка алгоритма подразумевает прямое или косвенное управление размером сети, скоростью обучения и, возможно, в зависимости от выбранной нейросетевой архитектуры, ряд других параметров.
Если проводится самообучение сети фиксированной структуры (сеть Кохонена или на основе радиально-базисных функций), то речь идет об указании размера сети (количества кластеров). В результате часть кластеров может оказаться вообще не задействованными, а некоторые переполненными. Незадействованные кластеры мешают только в процессе обучения сети, потому что замедляют работу алгоритма.
...

3.1. Программное обеспечение
Рассмотрев задачу, связанную с применением анализа данных в киберспорте. Для этого мы напишем простую нейронную сеть, которая решает важную практическую задачу.
Библиотека Keras представляет собой высокоуровневый интерфейс для создания нейронных сетей. Keras написан на Python и работает поверх таких более низкоуровневых решений, как TensorFlow, CNTK и Theano. За счет этого программный код получается не только мощным, но и крайне компактным.

Экспериментальные данные
Экспериментальные данные, взятые из киберспортивного архива, представляют собой файл со значениями, разделенными запятыми, в котором каждая строка соответствует одной анкете. В наборе экспериментальных данных, состоящих из анонимных записей, имеется девять параметров. (соответственно, 1 или 0). Восемь остальных параметров также имеют численные значения:
Загрузка необходимых модулей и данных
Библиотека Keras позволяет запускать нейронные сети с минимальным количеством операций.
...

4.1 Планирование разработки программного продукта с построением графика
В выпускной квалификационной работе проводится разработка информационная система для прогнозирования результатов кибеспортивных событий.
В данном разделе определяется трудоемкость и затраты на создание программного обеспечения (ПО), а также производится расчет экономического эффекта, который может быть получен от применения разрабатываемого ПО.
4.1.1 Определение трудоемкости и продолжительности работ по созданию автоматизированной системы управления запасами готовой продукции
Процесс разработки включает: обзор и анализ программных средств схожей тематики, анализ и выбор программных продуктов для создания программы; отладка; испытание. В свою очередь каждый из этих этапов можно подразделить на отдельные подэтапы.
Согласно ГОСТ 34.601-90 регламентируются следующие стадии проведения исследования: техническое задание; эскизный проект; технический проект; рабочий проект; внедрение.
...