Inteligência artificial aplicada à análise estratégica em esportes eletrônicos

Abstract

O presente trabalho tem como objetivo aplicar métodos de ciência de dados e inteligência artificial no âmbito competitivo de esportes eletrônicos, especificamente no jogo League of Legends. Os chamados e-sports têm uma importância essencial no cenário de novos esportes atualmente, porém ainda se encontram em um nível amador em relação às ferramentas que podem auxiliar comissões técnicas em termos de análise estratégica, o que dificulta a evolução competitiva de inúmeras equipes, principalmente em território nacional. A metodologia utilizada foi a análise e pré-processamento de um conjunto massivo de dados, formulação de hipóteses referentes à conceitos de jogo e testes e aplicações de métodos de aprendizagem de máquina para a previsão de dados essenciais à análise estratégica nos esportes eletrônicos. Os modelos treinados obtiveram um alto índice de acertos, afirmando a efetividade de ferramentas focadas na análise estatística com relação ao âmbito competitivo de esportes eletrônicos, especificamente. Os resultados finais foram expressivos, sinalizando novas possibilidades de continuação do trabalho. A partir desses resultados, foi possível concluir que variáveis de início de jogo podem ser previstas e classificadas com um índice relativamente alto de acertos, podendo auxiliar de maneira significativa análises pré e pós-jogo de comissões técnicas profissionais e amadoras. Também é possível concluir que, apesar da área de e-sports ser recente, já existem inúmeros caminhos a serem explorados, principalmente em análise de dados.

The present work aims to apply data science and artificial intelligence methods in the competitive scope of electronic sports, specifically in the League of Legends game. Nowadays the so-called e-sports have an essential importance in the new sports scenario today, but they are still at an amateur level in relation to the tools that can assist technical commissions in terms of strategic analysis, hindering the competitive evolution of numerous teams, especially in national territory. The methodology used was the analysis and preprocessing of a massive data set, formulation of hypotheses regarding game concepts and tests, and application of machine learning methods for the prediction of essential data for strategic analysis in electronic sports. The results obtained a high hit rate, affirming the effectiveness of tools focused on statistical analysis in relation to the competitive scope of electronic sports, specifically. The final results were expressive, pointing out new possibilities for further work. From these results, it was concluded that start game variables can be predicted and classified with a relatively high hit rate, and they can significantly assist pre and post game analysis of professional and amateur technical committees. It is also possible to conclude that, although the e-sport area is recent, there are already numerous ways to be explored, especially when it comes to data analysis.