ΠΥΞΙΔΑ Ιδρυματικό Αποθετήριο
και Ψηφιακή Βιβλιοθήκη
Συλλογές :

Τίτλος :Μοντέλα πρόβλεψης νικητών ιπποδρομίας
Εναλλακτικός τίτλος :Horse racing prediction models
Δημιουργός :Κριμπένη, Γεωργία
Συντελεστής :Πουλυμενάκου, Αγγελική (Επιβλέπων καθηγητής)
Λεκάκος, Γεώργιος (Εξεταστής)
Μούρτος, Ιωάννης (Εξεταστής)
Οικονομικό Πανεπιστήμιο Αθηνών, Τμήμα Διοικητικής Επιστήμης και Τεχνολογίας (Degree granting institution)
Τύπος :Text
Φυσική περιγραφή :61σ.
Γλώσσα :el
Αναγνωριστικό :http://www.pyxida.aueb.gr/index.php?op=view_object&object_id=7854
Περίληψη :Ο σκοπός της παρούσας διπλωματικής εργασίας είναι η ανάπτυξη μεθοδολογίας για την καταγραφή και πρόβλεψη των αποτελεσμάτων των κουρσών της κάθε ιπποδρομιακής συγκέντρωσης με βάση τα δεδομένα που παρέχει ο Ελληνικός Ιππόδρομος στους φιλίππους (πχ επίσημο πρόγραμμα ιπποδρομιών, εβδομαδιαία νέα, προγνωστικά, αποτελέσματα των ιπποδρομιών). Για την συγκέντρωση των δεδομένων χρησιμοποιήθηκε η κεντρική ιστοσελίδα του ιπποδρόμου. Η αναγνώριση και η καταγραφή των δεδομένων έγινε με την χρήση του Microsoft Excel και στη συνέχεια γίνεται μια πρόταση για καλύτερη αξιοποίηση των δεδομένων ,με τη βοήθεια των προγραμμάτων SAS Enterprise Guide, Rapidminer και R Studio, προκειμένου να γίνονται οι προβλέψεις με μεγαλύτερη ακρίβεια.Παράλληλα, στη πρακτική εργασία τα κύρια καθήκοντα ήταν η ανάλυση δεδομένων (Data Analysis) καθώς και η υποστήριξη διαχείρισης εσωτερικού και έργων (Intern &Project Management Support). Ο στόχος ήταν η βελτίωση της εργασίας των εργαζομένων καθώς επίσης και η δημιουργία του πρώτου βιβλίου που θα κατέγραφε τα ιστορικά στοιχεία των ελληνικών ιπποδρομιών (FactBook) του 2019. Συγκεκριμένα, έγινε μελέτη των συστημάτων και των μοντέλων πρόβλεψης που υπάρχουν στο εξωτερικό. Στη συνέχεια, έγινε καταγραφή όλων των δεδομένων του έτους 2019 των ελληνικών ιπποδρομίων και δημιουργία ενός ελληνικού μοντέλου πρόβλεψης ως προς τα δεδομένα που υπήρχαν.Η μεθοδολογία αυτή μπορεί να γίνει οδηγός για την πραγματοποίηση εξωτερικών ή εσωτερικών μετρήσεων πρόβλεψής στις ελληνικές ιπποδρομίες, με ελάχιστες αλλαγές ως προς τις μεταβλητές των μετρήσεων. Η γενικότητα της μεθοδολογίας έγκειται στο γεγονός ότι έχουν καταγραφεί όλα τα βήματα, διεξαγωγής των σωστών δεδομένων που συμβάλλονται προκειμένου να υπάρχουν όλα τα στάδια διεξαγωγής των μετρήσεων και των προβλέψεων.
The purpose of this dissertation is to develop a methodology for recording and predicting the results of each horse-race based on the data provided by the Hellenic Hippodrome to Philippi (e.g. official horse racing program, weekly news, horse racing results). The horse race’s central website was used to detect the data. Data were identified and recorded using Microsoft Excel and then a proposal was made to make better use of the data with the help of SAS Enterprise Guide, RapidMiner and R Studio programs so that even more accurate predictions are made.At the same time, the main tasks as an intern were data analysis ( Data Analysis ), as well as internal and project management support (Intern & Project Management Support). The aim was to improve the work of the employees and moreover create the first book to record the historical clues of the Greek horseracing ( FactBook ) of 2019. Specifically, a study was conducted for the forecasting systems and models that exist abroad. Specifically, the systems and models available abroad were studied. Subsequently, all the figures for the year 2019 of the Greek horse racing were recorded and an application of the Greek model was created based on the data that existed.This methodology can be used as a guide for making external or internal forecasting measurements in Greek horseracing, with little change in the measurement variables.The generality of the methodology lies in the fact that all the steps involved in performing the correct data are recorded in order to have all stages of the measurements and forecasts carried out.
Λέξη κλειδί :Ιππόδρομος
Ανάλυση δεδομένων
Προβλέψεις
Διαχείριση έργου
ΟΠΑΠ
Ιππόδρομος Μαρκόπουλου
Horse race
Data analysis
Forecasts
Project management
OPAP
Markopoulos Park
Statistical Analysis System (SAS)
RapidMiner
R-studio
Ημερομηνία :31-12-2019
Ημερομηνία κατάθεσης :29-05-2020
Ημερομηνία αποδοχής :29-05-2020
Άδεια χρήσης :

Αρχείο: Krimpeni_2020.pdf

Τύπος: application/pdf

Krimpeni_2020.zip