Geri Dön

Denetimli makine öğrenme yöntemleri ile genç futbol oyuncularının potansiyel performanslarının modellenmesi ve tahmini

Modeling and prediction of potential performance of young football players using supervised machine learning methods

PDF İndir

  1. Tez No: 986622
  2. Yazar: BURAK AL
  3. Danışmanlar: PROF. DR. ÖZLEM EGE ORUÇ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Spor, İstatistik, Sports, Statistics
  6. Anahtar Kelimeler: Futbol, Football
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Dokuz Eylül Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Veri Bilimi Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Futbol, yalnızca sportif bir rekabet alanı olmanın ötesinde, günümüzde küresel ölçekte ekonomik, sosyo-kültürel ve ticari bir endüstri haline gelmiştir. Rekabetin yoğun olduğu bu ortamda, kulüplerin uzun vadeli başarı ve sürdürülebilirlik hedefleri doğrultusunda veri temelli stratejiler geliştirmesi kritik önem taşımaktadır. Son yıllarda veri bilimi, futbol endüstrisinde oyuncu performans analizi, yetenek keşfi ve transfer politikalarının şekillendirilmesinde güçlü bir karar destek aracı olarak öne çıkmaktadır. Bu çalışmada, Football Manager 2023 veri tabanından elde edilen 360 profesyonel genç futbolcuya ait teknik, fiziksel ve zihinsel özellikler kullanılarak oyuncu potansiyel aralıklarının tahmin edilmesi amaçlanmıştır. Bu doğrultuda, denetimli makine öğrenimi yaklaşımlarından Support Vector Machine, Random Forest, XGBoost ve K-Nearest Neighbors algoritmaları uygulanmış; modellerin başarımı Accuracy, Kappa ve %95 CI metrikleri üzerinden karşılaştırmalı olarak değerlendirilmiştir. Elde edilen bulgular, Random Forest algoritmasının %87.85 doğruluk oranıyla en yüksek performansı sergilediğini ortaya koymuştur. Özellik önem sıralamaları, teknik beceri, çeviklik ve hız gibi değişkenlerin oyuncu potansiyelinin belirlenmesinde kritik rol oynadığını göstermektedir. Çalışma, futbol kulüplerinin genç yeteneklerin tespitinde ve transfer stratejilerinin planlanmasında veri bilimi tabanlı sistemlerin sağlayabileceği stratejik avantajları vurgulamaktadır.

Özet (Çeviri)

Football has transcended its role as merely a sphere of sporting competition to become a global economic, socio-cultural, and commercial industry. In this highly competitive environment, it is critical for clubs to develop data-driven strategies to achieve long-term success and sustainability. In recent years, data science has emerged as a powerful decision-support tool in the football industry for player performance analysis, talent identification, and shaping transfer policies. This study aims to predict the potential range of players using technical, physical, and mental attributes of 360 professional young footballers obtained from the Football Manager 2023 database. To this end, supervised machine learning approaches namely Support Vector Machine, Random Forest, XGBoost, and K-Nearest Neighbors algorithms were implemented. The performance of these models was evaluated and compared based on Accuracy, Kappa, and 95% CI metrics. The findings reveal that the Random Forest algorithm achieved the highest performance with an accuracy rate of 87.85%. Feature importance rankings indicate that variables such as technical skill, agility, and pace a critical role in determining a player's potential. This study underscores the strategic advantages that data sciencebased systems can provide to football clubs in scouting young talents and planning transfer strategies.

Benzer Tezler

  1. Tez No

    829097

    Fraud detection using deep neural networks

    Derin sinir ağları ile dolandırıcılık tespiti

    FAİK ÖZCAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGebze Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ YAKUP GENÇ

  2. Tez No

    742502

    Yüksek boyutlu sağkalım verilerinin denetimli temel bileşenler, cezalı cox regresyon ve aşırı öğrenme makineleri yöntemleri ile karşılaştırmalı analizi

    Comparative analysis of high dimensional survival data with supervised principal components, penalized cox regression and extreme learning machines methods

    FULDEN CANTAŞ TÜRKİŞ

    Doktora

    Türkçe

    Türkçe

    2022

    BiyoistatistikAydın Adnan Menderes Üniversitesi

    Biyoistatistik Ana Bilim Dalı

    PROF. DR. İMRAN KURT ÖMÜRLÜ

  3. Tez No

    397969

    Face track retrieval and recognition across age

    Yaşlar arası yüz iz çıkarımı ve tanıması

    ESAM GHALEB

    Yüksek Lisans

    İngilizce

    İngilizce

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HAZIM KEMAL EKENEL

  4. Tez No

    942029

    Efficiency improvement via new methods for data valuation, privacy and communication in federated learning

    Yeni veri değerlendirme, gizlilik ve haberleşme yöntemleri ile federe öğrenmede verimlilik artırımı

    EMRE ARDIÇ

    Doktora

    İngilizce

    İngilizce

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGebze Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ YAKUP GENÇ

  5. Tez No

    10653

    Halk eğitiminde katılma“Ankara'daki Halk Eğitimi Merkezlerinde açılan kurslara katılanların demografik özellikleri, katılmalarını güdüleyen etmenler ve programa ilişkin görüşleri”

    Başlık çevirisi yok

    SERAP AYHAN

    Doktora

    Türkçe

    Türkçe

    1988

    Eğitim ve ÖğretimAnkara Üniversitesi

    Eğitim Yönetimi ve Planlaması Ana Bilim Dalı

    DOÇ. DR. A. SUDİ BÜLBÜL

Geri Dön