| TAZ-TFG-2023-2549 |
Machine learning: Redes neuronales aplicadas a la Fórmula 1
Izquierdo Bonilla, Alejandro
López Ruiz, Ricardo (dir.)
Universidad de Zaragoza,
CIEN,
2023
Graduado en Matemáticas
Resumen: En los últimos años, la ciencia de datos - el almacenamiento, procesamiento y estudio de ingentes cantidades de datos - ha cobrado una gran relevancia, debido a las importantes conclusiones que se pueden extraer.
En el ámbito deportivo, en particular en la automoción, la diferencia entre la victoria y la derrota es ínfima y, cualquier mínima ventaja, es de crucial importancia. Así, en las últimas dos décadas, se ha podido apreciar una gran inversión para el almacenamiento y tratamiento de los datos generados en la competición para tratar de obtener ventajas competitivas gracias a ellos.
El aprendizaje automático, machine learning en inglés, es el pilar fundamental alrededor del cuál pivotan todas las investigaciones actuales. Gracias a él, se entrenan sistemas para que actúen, si no mejor, al menos igual que lo haría un humano, extrayendo conclusiones de datos a los que no se ha enfrentado con anterioridad.
El objetivo del presente trabajo consiste en exponer, mediante la utilización de métodos de aprendizaje automático, cómo mejorar la toma de decisiones en una carrera de Fórmula 1. En particular, se hace uso de una red neuronal para analizar el cambio de compuesto de los neumáticos sucedido durante la
carrera.
En el capítulo 1, se realiza una explicación general sobre las distintas vertientes del aprendizaje automático y las problemáticas que solucionan. Posteriormente, en el capítulo 2, se profundiza en el concepto de redes neuronales y las múltiples partes que las componen, desde el número de elementos dentro de las mismas hasta los algoritmos que rigen su funcionamiento interno y toma de decisiones. Finalmente, en el capítulo 3, se implementa una red neuronal sobre un conjunto de datos de Fórmula 1 y se analizan sus resultados. La estrategia de las carreras que conforman el conjunto de datos puede encontrarse en el Anexo I, mientras que el código del tratamiento de los datos y estructura de la red neuronal se encuentra en el Anexo II y el proceso de entrenamiento de la red neuronal en el Anexo III.
En el ámbito deportivo, en particular en la automoción, la diferencia entre la victoria y la derrota es ínfima y, cualquier mínima ventaja, es de crucial importancia. Así, en las últimas dos décadas, se ha podido apreciar una gran inversión para el almacenamiento y tratamiento de los datos generados en la competición para tratar de obtener ventajas competitivas gracias a ellos.
El aprendizaje automático, machine learning en inglés, es el pilar fundamental alrededor del cuál pivotan todas las investigaciones actuales. Gracias a él, se entrenan sistemas para que actúen, si no mejor, al menos igual que lo haría un humano, extrayendo conclusiones de datos a los que no se ha enfrentado con anterioridad.
El objetivo del presente trabajo consiste en exponer, mediante la utilización de métodos de aprendizaje automático, cómo mejorar la toma de decisiones en una carrera de Fórmula 1. En particular, se hace uso de una red neuronal para analizar el cambio de compuesto de los neumáticos sucedido durante la
carrera.
En el capítulo 1, se realiza una explicación general sobre las distintas vertientes del aprendizaje automático y las problemáticas que solucionan. Posteriormente, en el capítulo 2, se profundiza en el concepto de redes neuronales y las múltiples partes que las componen, desde el número de elementos dentro de las mismas hasta los algoritmos que rigen su funcionamiento interno y toma de decisiones. Finalmente, en el capítulo 3, se implementa una red neuronal sobre un conjunto de datos de Fórmula 1 y se analizan sus resultados. La estrategia de las carreras que conforman el conjunto de datos puede encontrarse en el Anexo I, mientras que el código del tratamiento de los datos y estructura de la red neuronal se encuentra en el Anexo II y el proceso de entrenamiento de la red neuronal en el Anexo III.
Tipo de Trabajo Académico: Trabajo Fin de Grado
Enlace permanente:
El registro pertenece a las siguientes colecciones:
Trabajos académicos > Trabajos Académicos por Centro > Facultad de Ciencias
Trabajos académicos > Trabajos fin de grado