Пошук академічних текстів

Інформація × Реєстраційний номер 2125U003161, Матеріали видань та локальних репозитаріїв Категорія Бакалаврська робота Назва роботи Модель машинного навчання для прогнозування результатів кільцевих автоперегонів чемпіонату світу Формула-1 Автор Ткаченко Марія ВіталіївнаTkachenko Mariya Vitaliivna Дата публікації 01-01-2025 Постачальник інформації Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» Першоджерело https://ela.kpi.ua/handle/123456789/76045 Видання Київ Опис Дипломна робота: 137 с., 36 рис., 21 табл., 16 посилань, 2 додатки. Об’єктом дослідження є процес прогнозування результатів кільцевих автоперегонів чемпіонату світу Формули-1 із застосуванням методів машинного навчання. Предметом дослідження є модель багатошарового перцептрона (MLP) для передбачення фінішних позицій пілотів на основі телеметричних, кваліфікаційних і стратегічних даних. Метою роботи є розробка ефективної моделі машинного навчання для точного прогнозування результатів Формули-1, що сприятиме підвищенню якості аналітичних інструментів для команд, медіа та букмекерських платформ. Актуальність дослідження зумовлена зростанням обсягів даних у Формулі-1 та потребою в точних прогнозах для оптимізації стратегій і підвищення конкурентоспроможності. У роботі проаналізовано структуру чемпіонату, особливості трас, болідів і ключові фактори, що впливають на результати. Розглянуто сучасні методи прогнозування, обґрунтовано вибір MLP як оптимального алгоритму. Розроблено програмний продукт у Python із використанням бібліотеки scikit-learn і даних fastf1, що забезпечує високу точність прогнозів. Показано переваги регресії над класифікацією для передбачення фінішних позицій, а також оцінено вплив ключових ознак, таких як майстерність пілота, кваліфікаційна позиція та продуктивність команди. Отримані результати підтверджують практичну цінність розробленої системи, яка може бути адаптована для реального використання в аналітичних і комерційних цілях. Thesis: 137 p., 36 figures, 21 tables, 16 references, 2 appendices. The object of the study is the process of predicting the results of Formula 1 world championship circuit races using machine learning methods. The subject of the study is a multilayer perceptron (MLP) model for predicting drivers’ finishing positions based on telemetry, qualification, and strategic data. The purpose of the work is to develop an effective machine learning model for accurate prediction of Formula 1 results, contributing to the improvement of analytical tools for teams, media, and betting platforms. The relevance of the study is driven by the increasing volume of data in Formula 1 and the need for accurate predictions to optimize strategies and enhance competitiveness. The work analyzes the championship structure, track and car characteristics, and key factors affecting race outcomes. Modern prediction methods were reviewed, and the choice of MLP as the optimal algorithm was justified. A software product was developed in Python using the scikit-learn library and fastf1 data, ensuring high prediction accuracy. The advantages of regression over classification for predicting finishing positions were demonstrated, and the impact of key features, such as driver skill, qualifying position, and team performance, was evaluated. The obtained results confirm the practical value of the developed system, which can be adapted for real-world use in analytical and commercial applications. Додано в НРАТ 2025-11-05 Закрити