Mostrar el registro sencillo del ítem

Trabajo Fin de Grado

dc.contributor.advisorRobles-Velasco, Aliciaes
dc.creatorMarín Torres, Ignacioes
dc.date.accessioned2024-02-09T15:18:36Z
dc.date.available2024-02-09T15:18:36Z
dc.date.issued2023
dc.identifier.citationMarín Torres, I. (2023). Predicción de resultados de Formula 1 mediante técnicas de Machine Learning. (Trabajo Fin de Grado Inédito). Universidad de Sevilla, Sevilla.
dc.identifier.urihttps://hdl.handle.net/11441/155073
dc.description.abstractLa Fórmula 1, más que un deporte, es una amalgama de pasión, tecnología y estrategia, capturando la atención de millones de aficionados a nivel mundial. En 2023, la popularidad de la F1 ha alcanzado nuevos horizontes, evidenciado por el impresionante número de 480,000 asistentes en el Gran Premio Británico, reflejando un interés creciente más allá de los niveles previos a la pandemia. Esta tendencia ascendente también se refleja en su salud financiera, con ingresos que aumentaron a $2,573 millones en 2022, marcando un retorno significativo desde los desafíos de 2020. Los aficionados de la F1 no son meros espectadores; son una parte integral de su cultura, viviendo intensamente cada carrera. La audiencia televisiva acumulada en 2021 fue de 1.55 mil millones, teniendo picos de audiencias como en el apasionante final de temporada en Abu Dabi, que atrajo a 108.7 millones de espectadores. En este contexto, nuestro estudio se enfoca en la incorporación de tecnologías inteligentes, como el Machine Learning, en la Fórmula 1. La integración de estas tecnologías no solo enriquece la experiencia de los espectadores y aficionados, sino que también ofrece herramientas valiosas para los equipos, combinando el deporte físico con la ingeniería de vanguardia. Exploramos cómo el Machine Learning, que ha logrado avances significativos siendo una rama de la inteligencia artificial, puede ser aplicado para predecir resultados de carreras, analizando patrones y tendencias en datos históricos y ofreciendo un modelo predictivo preciso y profundo. Este enfoque destaca la singularidad de la Fórmula 1 como un deporte que fusiona intensamente la emoción humana con la precisión tecnológica.es
dc.description.abstractFormula 1, more than a sport, is an amalgam of passion, technology and strategy, capturing the attention of millions of fans worldwide. In 2023, F1's popularity has reached new heights, evidenced by an impressive 480,000 attendees at the British Grand Prix, reflecting a growing interest beyond pre-pandemic levels. This upward trend is also reflected in its financial health, with revenues rising to $2,573 billion in 2022, marking a significant return from the challenges of 2020. F1 fans are not mere spectators; they are an integral part of its culture, living each race intensely. The cumulative TV audience in 2021 was 1.55 billion, with peak audiences such as the thrilling season finale in Abu Dhabi attracting 108.7 million viewers. In this context, our study focuses on the incorporation of smart technologies, such as Machine Learning, in Formula 1. The integration of these technologies not only enriches the experience for spectators and fans, but also offers valuable tools for teams, combining physical sport with cutting-edge engineering. We explore how Machine Learning, which has made significant advances as a branch of artificial intelligence, can be applied to predict race outcomes, analysing patterns and trends in historical data and providing accurate and insightful predictive modelling. This approach highlights the uniqueness of Formula 1 as a sport that intensely fuses human emotion with technological precision.es
dc.formatapplication/pdfes
dc.format.extent114 p.es
dc.language.isospaes
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internacional*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.titlePredicción de resultados de Formula 1 mediante técnicas de Machine Learninges
dc.typeinfo:eu-repo/semantics/bachelorThesises
dc.type.versioninfo:eu-repo/semantics/publishedVersiones
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses
dc.contributor.affiliationUniversidad de Sevilla. Organización Industrial y Gestión de Empresas IIes
dc.description.degreeUniversidad de Sevilla. Grado en Ingeniería de Tecnologías Industrialeses

FicherosTamañoFormatoVerDescripción
Marín Torres, Ignacio_G4913.pdf2.952MbIcon   [PDF] Ver/Abrir  

Este registro aparece en las siguientes colecciones

Mostrar el registro sencillo del ítem

Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Excepto si se señala otra cosa, la licencia del ítem se describe como: Attribution-NonCommercial-NoDerivatives 4.0 Internacional