<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://dk.um.si/IzpisGradiva.php?id=90161"><dc:title>Napovedovanje športnih rezultatov v nogometu s pomočjo strojnega učenja</dc:title><dc:creator>Simičak,	Jakob	(Avtor)
	</dc:creator><dc:creator>Fister,	Iztok	(Mentor)
	</dc:creator><dc:creator>Vrbančič,	Grega	(Komentor)
	</dc:creator><dc:subject>pričakovani zadetki</dc:subject><dc:subject>nogomet</dc:subject><dc:subject>logistična regresija</dc:subject><dc:subject>Statsbomb</dc:subject><dc:subject>Footstat</dc:subject><dc:description>V zaključnem delu smo se osredotočili na statistiko pričakovanih zadetkov v nogometu. S programom Figma smo ustvarili izgled programa, ki smo ga poimenovali Footstat. Program Footstat uporablja podatke podjetja Statsbomb, ki je med vodilnimi podjetji v zbiranju in obdelovanju nogometnih podatkov. Z uporabo njihovega API-ja smo lahko dostopali do podatkov preko Python knjižnice. Omejili smo se na brezplačne podatke, ki jih je podjetje namenilo za raziskovalne in študijske namene. Nato smo ustvarili metriko s pomočjo logistične regresije, ki smo jo implementirali s pomočjo knjižnice za obdelavo podatkov v Pythonu Scikit-learn. Končni rezultat je postal program Footstat, ki je s pomočjo metrike izračunal pričakovane zadetke za izbrane tekme glede na omejene podatke podjetja Statsbomb  . Izračunane pričakovane zadetke smo na koncu primerjali z dejanskimi zadetki na tekmah in analizirali morebitna odstopanja.</dc:description><dc:publisher>[J. Simičak]</dc:publisher><dc:date>2024</dc:date><dc:date>2024-08-23 12:40:56</dc:date><dc:type>Diplomsko delo/naloga</dc:type><dc:identifier>90161</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>
