Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10609/150599
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.authorSánchez La O, Benjamín Carmelo-
dc.contributor.otherDaradoumis, Thanasis-
dc.coverage.spatialSanta Lucía de Tirajana-
dc.date.accessioned2024-07-06T07:52:55Z-
dc.date.available2024-07-06T07:52:55Z-
dc.date.issued2024-06-16-
dc.identifier.urihttp://hdl.handle.net/10609/150599-
dc.description.abstractEl presente trabajo se enfoca en el desarrollo de un algoritmo con Machine Learning (ML) llamado WindCaddy, destinado a mejorar la toma de decisiones en deportes acuáticos impulsados por el viento, como el windsurf. Utilizando datos meteorológicos proporcionados por la Agencia Estatal de Meteorología (AEMET), se implementan algoritmos de análisis predictivo para recomendar el equipo óptimo según las condiciones del viento y el agua. La metodología abarca desde la obtención y procesamiento de datos hasta la validación de los modelos desarrollados. Se utilizan técnicas de aprendizaje automático y se desarrollan algoritmos personalizados para la selección del aparejo adecuado para cada sesión. Los resultados muestran una mejora significativa en la precisión de las recomendaciones de equipo en comparación con métodos tradicionales. Se destacan los beneficios en términos de rendimiento y seguridad para los deportistas. En conclusión, WindCaddy ofrece una solución innovadora que fusiona la pasión por los deportes acuáticos con las tecnologías de análisis de datos, mejorando la experiencia de los deportistas y proporcionando herramientas para una toma de decisiones informada y optimizada.ca
dc.description.abstractThe present work focuses on the development of a Machine Learning (ML) based algorithm called WindCaddy, aimed at improving decision making in wind-driven water sports, such as windsurfing. Using meteorological data provided by the Spanish Meteorological Agency (AEMET), predictive analysis algorithms are implemented to recommend the optimal equipment according to wind and water conditions. The methodology ranges from data collection and processing to the validation of the developed models. Machine learning techniques are used and customised algorithms are developed for the selection of the appropriate rig for each session. The results show a significant improvement in the accuracy of equipment recommendations compared to traditional methods. The benefits in terms of performance and safety for athletes are highlighted. In conclusion, WindCaddy offers an innovative solution that fuses a passion for water sports with data analytics technologies, enhancing the athlete experience and providing tools for informed and optimised decision making.en
dc.format.mimetypeapplication/pdfca
dc.format.mimetypeapplication/zipca
dc.language.isospaes
dc.publisherUniversitat Oberta de Catalunya (UOC)ca
dc.rightsCC BY-NC-ND*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/es/-
dc.subjectwindsurfes
dc.subjectcaddiees
dc.subjectccondicioneses
dc.titleUtilización de Machine Learning para proporcionar a los deportistas acuáticos herramientas innovadoras para la selección del aparejo a utilizares
dc.typeinfo:eu-repo/semantics/bachelorThesisca
dc.audience.educationlevelEstudis de Grauca
dc.audience.educationlevelEstudios de Gradoes
dc.audience.educationlevelUniversity degreesen
dc.subject.lemacAprenentatge automàtic -- TFGca
dc.subject.lcshesMachine learning -- TFGen
dc.contributor.tutorAndrés Sanz, Humberto-
dc.rights.accessRightsinfo:eu-repo/semantics/openAccess-
Aparece en las colecciones: Bachelor thesis, research projects, etc.

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
TFG_code.zipCódigo desarrollado30,86 MBFichero comprimido en ZIPVisualizar/Abrir
README.txtFichero léeme.474 BTextVisualizar/Abrir
bsanlaoTFG0624memoria.pdfMemoria del TFG4,13 MBAdobe PDFVista previa
Visualizar/Abrir
Comparte:
Exporta:
Consulta las estadísticas

Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons