Esse projeto foi desenvolvido como forma de avaliação para a disciplina de Inteligência Artificial da Universidade Federal de Mato Grosso

Para rodar o projeto, o caminho mais fácil é você acessar o colab.research.google.com e importar o arquivo model_predictive_brasileirao_ipynb Com ele importado será necessario extrair o .ZIP IA_FUTEBOL_DADOS.ZIP esse zip contém a pasta com as bases de dados necessários para rodar o projeto Então você pode enviar essa pasta para o google drive na pasta raíz e rodar tranquilamente.

Você pode estar realizando a cópia do notebok a partir desse link público: https://colab.research.google.com/drive/1D62UnVOGGD_yGNpGJZMrca2ELaRf-ORR?usp=sharing

Conta Google

Para executar o projeto, você pode apertar Ctrl + F9 que irá executar todas as células notebooks. Ao final do projeto você irá ter acesso aos gráficos e tabelas comprovando o desempenho do modelo proposto. Caso queria testa-lo você mesmo, recomendo adicionar uma célula nova utilizando a função previsao_times(mandante, visitante). Essa função retorna a probabilidade do time mandante ganhar, a probabilidade do time visitante ganhar e a probabilidade de resultar em empate.

Utilizei de uma amostra aleatória obtida do Brasileirão 2023 roda 6/38 e obtemos o seguinte resultado:

ML: Modelo preditivo elaborado

R: Resultado Real

• Bahia 2 x 3 Flamengo ML: Flamengo R: Flamengo
• Fluminense 2 x 0 Cuiaba ML: Fluminense R: Fluminense
• Palmeiras 1 x 1 Bragantino ML: Palmeiras R: Empate
• Atletico-MG 2 x 0 Internacional ML: Atletico-MG R: Atletico-MG
• Gremio 0 x 0 Fortaleza ML: Gremio R: Empate
• Vasco 0 x 1 Santos ML: Santos R: Santos
• Corinthians 1 x 1 Sao paulo ML: Empate R: Empate
• Athletico-PR 3 x 2 Coritiba ML: Coritiba R: Athletico-PR
• Goias 2 x 1 Botafogo-RJ ML: Goias R: Goias
• America-MG 0 x 4 Cruzeiro ML: Cruzeiro R: Cruzeiro

• numpy - Cálculos científicos
• pandas - Manipulação de dados
• seaborn - Exibição de dados
• matplotlib.pyplot - Plotagem de gráficos
• warnings - Controle de alertas
• xgboost - Método de machine learning
• sklearn - Método de machine learning e análise de dados

• Eduardo Oliveira - Eduardo Oliveira
• Matheo Bonucia - Matheo Bonucia

• Gostaria de agradecer ao professor Mestre Frederico S. Oliveira por sua orientação e apoio no ensino de machine learning, graças ao seu conhecimento compartilhado pudemos desenvolver esse projeto.